Propriétés du tWriteXMLFields pour Apache Spark Streaming - 7.1

Processing (Integration)

author
Talend Documentation Team
EnrichVersion
7.1
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 Processing (Intégration)
Gouvernance de données > Systèmes tiers > Composants Processing (Intégration)
Qualité et préparation de données > Systèmes tiers > Composants Processing (Intégration)
EnrichPlatform
Studio Talend

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

Le composant tWriteXMLFields Spark Streaming appartient à la famille Processing.

La version Streaming de ce composant est disponible dans Talend Real Time Big Data Platform et dans Talend Data Fabric.

Basic settings

Output type

Sélectionnez le type de données à écrire en sortie dans le fichier cible. Les données sont de classe ByteArrays si vous sélectionnez byte[].

Schema et Edit Schema

Un schéma est une description de lignes. Il définit le nombre de champs (colonnes) à traiter et à passer au composant suivant. Lorsque vous créez un Job Spark, évitez le mot réservé line lors du nommage des champs.

Le schéma de ce composant est en lecture seule. Vous pouvez cliquer sur Edit schema afin de visualiser le schéma.

Lorsque le type de sortie est String, la colonne en lecture seule est messageContent. Cette colonne est utilisée pour fournir des chaînes de caractères aux composants de sortie, comme le tJMSOutput.

Lorsque le type de sortie est byte, la colonne en lecture seule est serializedValue. Cette colonne est utilisée pour fournir des ByteArrays aux composants de sortie, comme le tKafkaOutput.

Vous pouvez voir le schéma de sortie et sa colonne en lecture seule en cliquant sur le lien Row > Output vers le composant suivant dans le même Job. Le schéma s'affiche dans l'onglet Basic settings de la vue Component.

Row tag

Spécifiez la balise entourant les données et la structure de chaque ligne.

Custom encoding

Il est possible de rencontrer des problèmes d'encodage lorsque vous traitez les données stockées. Dans ce cas, cochez cette case pour afficher la liste Encoding.

Sélectionnez l'encodage à partir de la liste ou sélectionnez Custom et définissez-le manuellement. Ce champ est obligatoire pour la manipulation des données de base de données. Les encodages supportés dépendent de la JVM que vous utilisez. Pour plus d'informations, consultez https://docs.oracle.com.

Advanced settings

Balises racine

Cochez cette option pour modifier les séparateurs utilisés pour les nombres. Par défaut, le séparateur des milliers est une virgule (,) et le séparateur décimal est un point (.).

Output format

Définissez le format de sortie.

  • Column : colonne récupérée du schéma d'entrée.

  • As attribute : cochez la case des colonnes à utiliser comme attribut de l'élément parent dans la sortie XML.

Remarque :

Si la même colonne est sélectionnée dans la table Output format en tant qu'attribut et dans le paramètre Use dynamic grouping pour le regroupement dynamique, seul le paramètre de regroupement dynamique est pris en compte pour cette colonne.

Use schema column name : par défaut, cette case est cochée pour toutes les colonnes, afin que les libellés des colonnes du schéma d'entrée soient utilisés comme balises pour entourer les données. Si vous souhaitez utiliser une balise différente de celle du schéma d'entrée pour une colonne, décochez cette case pour cette colonne et spécifiez un libellé de balise entre guillemets, dans le champ Label.

Use dynamic grouping

Cochez cette case si vous souhaitez regrouper dynamiquement les colonnes de sortie. Cliquez sur le bouton [+] pour ajouter un critère de regroupement dans la table Group by.

Column : sélectionnez une colonne à utiliser comme élément pour entourer les lignes de sortie groupées.

Attribute label : saisissez entre guillemets un attribut de libellé pour l'élément entourant le groupe.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme étape intermédiaire.

Ce composant, ainsi que les composants Spark Streaming de la Palette à laquelle il appartient, s'affichent uniquement lorsque vous créez un Job Spark Streaming.

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

Dans l'onglet Spark Configuration de la vue Run, définissez 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 (Yarn Client ou Yarn Cluster) :
    • Lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration.

    • Lorsque vous utilisez HDInsight, spécifiez le blob à utiliser pour le déploiement du Job, dans la zone Windows Azure Storage configuration de l'onglet Spark configuration.

    • Lorsque vous utilisez Altus, spécifiez le bucket S3 ou le stockage Azure Data Lake Storage (apercu technique) pour le déploiement du Job, dans l'onglet Spark configuration.
    • Lorsque vous utilisez Qubole, ajoutez tS3Configuration à votre Job pour écrire vos données métier dans le système S3 avec Qubole. Sans tS3Configuration, ces données métier sont écrites dans le système Qubole HDFS et détruites une fois que vous arrêtez votre cluster.
    • Lorsque vous utilisez des distributions sur site (on-premises), utilisez le composant de configuration correspondant au système de fichiers utilisé par votre cluster. Généralement, ce système est HDFS et vous devez utiliser tHDFSConfiguration.

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

    Si vous utilisez Databricks sans composant de configuration dans votre Job, vos données métier sont écrites directement dans DBFS (Databricks Filesystem).

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