Propriétés du tRuleSurvivorship Standard - 7.0

Deduplication

author
Talend Documentation Team
EnrichVersion
7.0
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 Data Quality > Composants de dédoublonnage
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de dédoublonnage
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de dédoublonnage
EnrichPlatform
Studio Talend

Ces propriétés sont utilisées pour configurer le tRuleSurvivorship s'exécutant dans le framework de Jobs Standard.

Le composant tRuleSurvivorship Standard appartient à la famille Data Quality.

Le composant de ce framework est disponible dans Talend Data Management Platform, Talend Big Data Platform, Talend Real Time Big Data Platform, Talend Data Services Platform, Talend MDM Platform et dans Talend Data Fabric.

Basic settings

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. 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.

Ce composant fournit deux colonnes en lecture seule :
  • SURVIVOR : cette colonne est de type Boolean. Elle indique si un enregistrement est l'enregistrement consolidé (true) ou non (false). Il y a un enregistrement consolidé pour chaque groupe.

  • CONFLICT : cette colonne affiche les conflits lorsque plus d'un enregistrement répond à une règle métier donnée.

Lorsqu'un enregistrement consolidé est créé, la colonne CONFLICT n'affiche pas les conflits résolus par les règles de résolution des conflits.

 

Built-In : le schéma est créé et conservé ponctuellement pour ce composant seulement. Consultez également : le Guide utilisateur du Studio Talend .

 

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

Group identifier

Sélectionnez la colonne dont le contenu indique les identifiants de groupe requis du schéma d'entrée.

Group size

Sélectionnez la colonne dont le contenu indique la taille requise du groupe dans le schéma d'entrée.

Rule package name

Saisissez le nom de l'ensemble de règles que vous créez via ce composant.

Generate rules and survivorship flow

Une fois que toutes les règles ont été configurées dans un ensemble via ce composant, cliquez sur l'icône pour générer cet ensemble de règles sous le nœud Survivorship Rules du dossier Rules Management sous Metadata dans le Repository de la perspective Integration de votre Studio Talend . Cette étape est nécessaire pour valider l'ensemble de règles.

Remarque :

Cette étape est nécessaire pour valider les modifications et les prendre en compte lors de l'exécution. Si un ensemble de règles du même nom existe déjà dans le Repository, ces modifications, une fois validées, vont l'écraser dans le Repository, sinon celui du Repository aura priorité lors de l'exécution.

Avertissement : Dans un ensemble de règles, deux règles ne peuvent pas porter le même nom.

Rule table

Renseignez cette table pour créer un flux complet de consolidation. Chaque règle donnée est définie comme une étape d'exécution. Ainsi, dans l'ordre descendant dans la table, ces règles représentent une séquence et un flux prend forme. Les colonnes de cette table sont :

Order : Dans la liste, sélectionnez l'ordre d'exécution des règles que vous créez afin de définir un flux de consolidation. Les types d'ordre peuvent être :
  • Sequential : une règle Sequential est une étape d'exécution d'un flux de consolidation. Par exemple, la première règle en haut de la table Rule table sera la première étape et, en descendant, la règle Sequential suivante sera la deuxième étape.

    La première règle en haut doit être une règle Sequential.

  • Multi-condition : une règle Multi-condition est une règle supplémentaire pour une étape d'exécution donnée. Elle est toujours ajoutée à la dernière règle Sequential du dessus dans la table et, à cette étape, les deux règles doivent obligatoirement être respectées. Par exemple, après avoir défini la première règle Sequential, définissez une règle Multi-condition en-dessous ; les deux règles deviennent les règles de la première étape.

  • Multi-target : après exécution, chaque étape valide la valeur des champs d'un enregistrement d'une colonne Reference column donnée et sélectionne la valeur correspondante comme étant celle de meilleure qualité pour renseigner une colonne Target column donnée, une règle Multi-target vous permet d'ajouter une ou plusieurs colonne(s) Target column dans la même étape.

    Vous devez définir chaque colonne Reference column et Target column manuellement dans cette table.

Rule Name : Saisissez le nom de chaque règle que vous créez. Cette colonne est disponible uniquement pour les règles Sequential puisqu'elle définit les étapes du flux de consolidation. N'utilisez pas de caractère spécial dans les noms de règles, sinon le Job risque de ne pas s'exécuter correctement. Les noms de règles ne sont pas sensibles à la casse.

Reference column : Sélectionnez la colonne sur laquelle vous souhaitez appliquer une règle donnée. Ce sont les colonnes définies dans le schéma de ce composant. Cette colonne n'est pas disponible pour les règles Multi-target car elles définissent uniquement les colonnes Target column.

Function : Sélectionnez le type d'opération de validation à effectuer sur une colonne Reference column donnée. Les types disponibles comprennent :
  • None : aucune opération de validation n'est effectuée.

  • Most common : valide la valeur de champ la plus fréquente dans chaque groupe de doublons.

  • Most recent ou Most ancient : le premier valide la valeur de date la plus récente et le second valide la valeur de date la plus ancienne, dans chaque groupe de doublons. La colonne de référence correspondante doit être de type Date.

  • Longest or Shortest : le premier valide la valeur de champ la plus longue et le second valide la valeur de champ la plus courte, dans chaque groupe de doublons.

  • Largest ou Smallest : le premier valide la plus grande valeur numérique plus grand numéro et le second la plus petite valeur numérique, dans chaque groupe de doublons.

  • Match regex : valide le champ lorsqu'il est conforme à l'expression régulière dans la colonne Value.

  • Expression : valide le champ lorsqu'il est conforme à l'expression saisie dans la colonne Value. La valeur de l'expression doit être écrite à l'aide du langage Drools.

  • Most complete : valide le champ lorsque l'enregistrement auquel il appartient possède le moins de champs vides.

Value : saisissez l'expression qui vous intéresse, correspondant à la fonction Match regex ou Expression sélectionnée dans la colonne Function.

Target column : lorsqu'une étape est exécutée, elle valide la valeur d'un champ d'un enregistrement d'une colonne Reference column donnée et sélectionne la valeur correspondante de meilleure qualité pour renseigner la colonne Target column donnée. Sélectionnez cette colonne Target column parmi les colonnes du schéma du composant.

Ignore blanks : Cochez les cases correspondant au nom des colonnes dont vous souhaitez ignorer les valeurs vides.

Define conflict rule

Cochez cette case pour créer des règles de résolution des conflits dans la table Conflict rule table.

Conflict rule table

Renseignez cette table pour créer des règles de résolution des conflits. Les colonnes de cette table sont :

Rule name : Saisissez le nom de chaque règle que vous créez. N'utilisez pas de caractère spécial dans les noms de règles, sinon le Job risque de ne pas s'exécuter correctement.

Conflicting column : Lorsqu'une étape est exécutée, elle valide la valeur d'un champ d'un enregistrement d'une colonne Reference column donnée et sélectionne la valeur correspondante de meilleure qualité pour renseigner la colonne Conflicting column donnée. Sélectionnez cette colonne Conflicting column parmi les colonnes du schéma du composant.

Function : Sélectionnez le type d'opération de validation à effectuer sur une colonne Conflicting column données. Les types disponibles comprennent ceux de la table Rule table et les types suivants :
  • Fill empty : Cette fonction remplit les champs vides avec la valeur spécifiée.

  • Remove duplicate: Cette fonction supprime la valeur d'un champ dans la colonne Reference column si la même valeur pour ce champ dans la colonne Conflicting column.

  • Not match regex : Cette fonction valide le champ lorsqu'il n'est pas conforme à l'expression régulière dans la colonne Value.

  • Survive as : Lorsqu'une valeur de champ de la colonne Reference column est validée, cette fonction sélectionne la valeur de champ correspondante dans le colonne Conflicting column comme étant celle de meilleure qualité.

Value : saisissez l'expression qui vous intéresse, correspondant à la fonction Match regex ou Expression sélectionnée dans la colonne Function.

Reference column:  Sélectionnez la colonne sur laquelle vous souhaitez appliquer une règle donnée. Ce sont les colonnes définies dans le schéma de ce composant. Ce sont les colonnes définies dans le schéma de ce composant.

Ignore blanks : Cochez les cases correspondant au nom des colonnes dont vous souhaitez ignorer les valeurs vides.

Disable : Cochez cette case pour désactiver la règle correspondante.

Advanced settings

tStatCatcher Statistics

Cochez cette case pour collecter les données de log, aussi bien au niveau du Job qu'au niveau de chaque composant.

Global Variables

Global Variables

ERROR_MESSAGE : message d'erreur généré par le composant lorsqu'une erreur survient. Cette variable est une variable After et retourne une chaîne de caractères. Cette variable fonctionne uniquement si la case Die on error est décochée, lorsque le composant contient cette case.

Une variable Flow fonctionne durant l'exécution d'un composant.

Pour renseigner un champ ou une expression à l'aide d'une variable, appuyez sur les touches Ctrl+Espace pour accéder à la liste des variables.

Pour plus d'informations concernant les variables, consultez le Guide utilisateur du Studio Talend .

Utilisation

Règle d'utilisation

Ce composant est généralement utilisé comme composant intermédiaire et nécessite un composant d'entrée et un composant de sortie.

Comme il requiert des données groupées à traiter, ce composant fonctionne avec des composants comme le tMatchGroup comprenant donc des colonnes GID (identifiant du groupe) et GRP_SIZE (taille du groupe). Il requiert également que les données d'entrée soient triées par l'identifiant du groupe et que la première ligne du groupe contienne la taille du groupe.

Lorsque vous exportez un Job à l'aide d'un tRuleSurvivorship, vous devez cocher la case Export Dependencies afin d'exporter ensemble les règles de consolidation générées. Pour plus d'informations concernant l'export d'un Job, consultez le Guide utilisateur du Studio Talend .