Propriétés du tOracleInput pour Apache Spark Batch - 6.4

Oracle

author
Talend Documentation Team
EnrichVersion
6.4
EnrichProdName
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Data Integration
Talend Data Management Platform
Talend Data Services Platform
Talend ESB
Talend MDM Platform
Talend Open Studio for Big Data
Talend Open Studio for Data Integration
Talend Open Studio for ESB
Talend Open Studio for MDM
Talend Real-Time Big Data Platform
task
Création et développement > Systèmes tiers > Composants Database > Composants Oracle
Gouvernance de données > Systèmes tiers > Composants Database > Composants Oracle
Qualité et préparation de données > Systèmes tiers > Composants Database > Composants Oracle
EnrichPlatform
Studio Talend

Ces propriétés sont utilisées pour configurer le tOracleInput s'exécutant dans le framework de Jobs Spark Batch.

Le composant tOracleInput Spark Batch appartient à la famille Databases.

Ce composant vous permet également de vous connecter à une base de données RDS Oracle et d'en lire des données.

Le composant dans ce framework est disponible dans tous les produits Talend avec Big Data nécessitant souscription et dans Talend Data Fabric.

Basic settings

Property type

Peut être Built-In ou Repository.

Built-In : Propriétés utilisées ponctuellement.

Repository : Sélectionnez le fichier dans lequel sont stockées les propriétés du composant.

Cliquez sur cette icône pour ouvrir l'assistant de configuration de connexion à la base de données et enregistrer les paramètres de connexion que vous avez définis dans la vue Basic settings du composant.

Pour plus d'informations sur comment définir et stocker des paramètres de connexion de base de données, consultez le Guide utilisateur du Studio Talend .

Use an existing connection

Cochez cette case et sélectionnez le composant de connexion adéquat dans la liste Component list pour réutiliser les paramètres d'une connexion que vous avez déjà définie.

Remarque : Notez que lorsqu'un Job contient un Job parent et un Job enfant, si vous devez partager une connexion existante entre ces deux niveaux, par exemple pour partager la connexion créée par le Job père au Job fils, vous devez :
  1. au niveau du Job père, enregistrer la connexion à la base de données à partager dans la vue Basic settings du composant de connexion créant cette connexion à la base de données.

  2. au niveau du Job fils, utiliser un composant de connexion dédié afin de lire cette connexion enregistrée.

Pour un exemple de partage d'une connexion à une base de données à travers différents niveaux de Jobs, consultez le Guide utilisateur du Studio Talend .

Connection type

Les pilotes disponibles sont :

  • Oracle OCI : Sélectionnez ce type de connexion pour utiliser l'interface d'appel de la base de données Oracle (Oracle Call Interface) accompagnée d'un ensemble de logiciels API de langage C qui fournissent une interface à cette base de données Oracle.

  • Oracle Custom : Sélectionnez ce type de connexion pour accéder à une base de données contenant des clusters. Avec ce type de connexion, les champs Username et Password sont désactivés et vous devez saisir l'URL de connexion dans le champ URL qui s'affiche.

    Pour plus d'informations concernant la forme valide d'URL, consultez JDBC Connection strings (en anglais) dans la documentation Oracle.

  • Oracle Service Name : Sélectionnez ce type de connexion pour utiliser l'alias TNS que vous fournissez lorsque vous vous connectez à la base de données distante.

  • WALLET : Sélectionnez ce type de connexion pour stocker les informations d'authentification dans un portefeuille (wallet) Oracle.

  • Oracle SID : Sélectionnez ce type de connexion pour identifier exclusivement une base de données spécifique sur un système.

DB Version

Sélectionnez la version d'Oracle que vous utilisez.

Host

Adresse IP du serveur de base de données.

Port

Numéro du port d'écoute du serveur de base de données.

Database

Nom de la base de données.

Oracle schema

Nom du schéma Oracle.

Username et Password

Informations d'authentification de l'utilisateur de base de données.

Pour saisir le mot de passe, cliquez sur le bouton [...] à côté du champ Password, puis, dans la boîte de dialogue qui s'ouvre, saisissez le mot de passe entre guillemets doubles et cliquez sur OK afin de sauvegarder les paramètres.

Schema et Edit Schema

Un schéma est une description de lignes, il définit le nombre de champs qui sont traités et passés au composant suivant. Le schéma peut être Built-in ou distant dans le Repository.

Cliquez sur Edit schema pour modifier le schéma. Si le schéma est en mode Repository, trois options sont disponibles :

  • View schema : sélectionnez cette option afin de voir le schéma.

  • Change to built-in property : sélectionnez cette option pour passer le schéma en mode Built-In et effectuer des modifications locales.

  • Update repository connection : sélectionnez cette option afin de modifier le schéma stocké dans le référentiel et décider de propager ou non les modifications à tous les Jobs. Si vous souhaitez propager les modifications uniquement au Job courant, cliquez sur No et sélectionnez à nouveau la métadonnée du schéma dans la fenêtre [Repository Content].

 

Built-in : Le schéma sera créé et conservé pour ce composant seulement. Voir également le Guide utilisateur du Studio Talend .

 

Repository : Le schéma existe déjà et est stocké dans le Repository. Ainsi, il peut être réutilisé. Voir également le Guide utilisateur du Studio Talend .

Table name

Saisissez le nom de la table de laquelle lire les données.

Query type et Query

Saisissez votre requête de base de données en faisant attention à ce que l'ordre des champs corresponde à celui défini dans le schéma.

Si vous utilisez Spark V2.0 ou une version supérieure, Spark SQL ne reconnaît plus le préfixe d'une table de base de données. Cela signifie que vous devez saisir uniquement le nom de la table, sans ajouter de préfixe indiquant par exemple le schéma auquel cette table appartient.

Par exemple, si vous devez effectuer une requête sur une table system.mytable, pour laquelle le préfixe system indique le schéma auquel appartient la table mytable. Dans la requête, vous devez saisir uniquement mytable.

Advanced settings

Additional JDBC parameters

Définissez des propriétés de connexion supplémentaires pour la connexion à la base de données que vous créez. Les propriétés sont séparées par un point-virgule et chaque propriété est une paire clé-valeur, par exemple, encryption=1;clientname=Talend.

Ce champ n'est pas disponible si la case Use an existing connection est cochée.

Spark SQL JDBC parameters

Ajoutez les propriétés JDBC supportées par Spark SQL à cette table. Pour une liste de propriétés configurables par l'utilisateur, consultez JDBC to other database (en anglais).

Ce composant paramètre automatiquement les propriétés url, dbtable et driver en utilisant la configuration dans l'onglet Basic settings.

Trim all the String/Char columns

Cochez cette case pour supprimer les espaces en début et en fin de champ dans toutes les colonnes contenant des chaînes de caractères.

Trim column

Supprimer les espaces en début et en fin de champ dans les colonnes sélectionnées.

Enable partitioning

Cochez la case pour lire les données en partitions.

Définissez, entre les guillemets doubles, les paramètres suivants afin de configurer le partitionnement :
  • Partition column : la colonne numérique utilisée comme clé de partition.

  • Lower bound of the partition stride et Upper bound of the partition stride : renseignez les champs upper bound (limite haute) et lower bound (limite basse) afin de paramétrer la plage de clé de partition. Ces limites ne filtrent pas les lignes de table. Toutes les lignes de la table sont partitionnées et retournées.

  • Number of partitions : le nombre de partitions dans lesquelles les lignes de table sont séparées. Chaque worker Spark gère une seule partition à la fois.

La taille moyenne des partitions est le résultat de la différence entre la limite haute et la limite basse divisée par le nombre de partitions, c'est-à-dire (upperBound - lowerBound)/partitionNumber, alors que les premières et les dernières partitions incluent également toutes les autres lignes qui ne sont pas contenues dans les autres partitions.

Par exemple, pour partitionner 1000 lignes en 4 partitions, si vous saisissez 0 comme limite basse et 1000 comme limite haute, chaque partition devra contenir 250 lignes approximativement afin que le partitionnement soit égal. Si vous saisissez 250 pour la limite inférieure et 750 pour la limite supérieure, la deuxième et la troisième partition contiendront chacune 125 lignes et la première et la dernière partition, 375 lignes respectivement. Dans cette configuration, le partitionnement est asymétrique.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme composant de début et requiert un lien de sortie.

Ce composant doit utiliser un tOracleConfiguration présent dans le même Job pour se connecter à Oracle. Cochez la case Use an existing connection et sélectionnez le composant tOracleConfiguration à utiliser.

Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch.

Notez que, dans cette documentation, sauf mention contraire, un scénario présente uniquement des Jobs Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données.

Spark Connection

Vous devez utiliser l'onglet Spark Configuration de la vue Run afin de définir la connexion à un cluster Spark donné pour le Job complet. De plus, puisque le Job attend ses fichiers .jar dépendants pour l'exécution, vous devez spécifier le répertoire du système de fichiers dans lequel ces fichiers .jar sont transférés afin que Spark puisse accéder à ces fichiers :
  • Yarn mode : lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration. Lorsque vous utilisez d'autres distributions, utilisez un composant tHDFSConfiguration afin de spécifier le répertoire.

  • Standalone mode : vous devez choisir le composant de configuration selon le système de fichiers que vous utilisez, comme tHDFSConfiguration ou tS3Configuration.

Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie.