Propriétés du tRecommend dans des Jobs Spark Streaming - 6.1

Composants Talend Guide de référence

EnrichVersion
6.1
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 Data Quality
Talend Open Studio for ESB
Talend Open Studio for MDM
Talend Real-Time Big Data Platform
task
Création et développement
Gouvernance de données
Qualité et préparation de données
EnrichPlatform
Studio Talend

Avertissement

La version Streaming de ce composant est disponible dans la Palette du studio si vous avez souscrit à Talend Real-time Big Data Platform ou Talend Data Fabric.

Famille du composant

Machine Learning / Recommendation

 
 

Schema et Edit Schema

Un schéma est une description de lignes, il définit le nombre de champs (colonnes) qui sont traités et passés au composant suivant. Le schéma est soit local (Built-In), soit 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, sélectionnez No et sélectionnez à nouveau la métadonnée du schéma dans la fenêtre [Repository Content].

Notez que, en dehors des colonnes que vous pouvez modifier vous-même, les colonnes product_ID et score sont en lecture seule et utilisées pour contenir les données relatives aux préférences des utilisateurs calculées par rapport au modèle de recommandation utilisé. La colonne score indique à quel point un produit est recommandé à un utilisateur.

 

Define a storage configuration component

Sélectionnez le composant de configuration à utiliser pour fournir les informations de configuration pour la connexion au système de fichiers cible, comme HDFS ou S3.

Si vous laissez cette case décochée, le système de fichiers cible est le système local.

Notez que le composant de configuration à utiliser doit se trouver dans le même Job. Par exemple, si vous avez ajouté un tHDFSConfiguration dans votre Job, vous pouvez le sélectionner pour écrire le résultat dans un système HDFS donné.

Input parquet model

Saisissez le répertoire dans lequel est stocké le modèle de recommandation à utiliser. Ce répertoire doit se situer sur la machine où le Job est exécuté.

Ce modèle doit être généré par un composant tALSModel.

 

Select the User Identity column

Sélectionnez, parmi les colonnes d'entrée, la colonne contenant les données relatives à l'ID de l'utilisateur.

Le composant tRecommend nécessite que les ID des utilisateurs d'entrée correspondent aux utilisateurs connus par le modèle de recommandation à utiliser.

 

Number of recommendations

Saisissez le nombre de produits les plus recommandés à écrire en sortie.

Notez que cette valeur est une valeur numérique. Vous ne pouvez utiliser les guillemets doubles pour l'entourer.

Utilisation dans des Jobs Spark Streaming

Dans un Job Talend Spark Streaming, ce composant est utilisé comme étape intermédiaire. Les composants utilisés avec celui-ci doivent également être des composants Spark Streaming. Ils génèrent nativement du code Spark Streaming pouvant être exécuté directement dans un cluster Spark.

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 de type Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données.

Les ID des utilisateurs traités par ce composant doivent être connus par le modèle de recommandation à utiliser. Lorsqu'un utilisateur est inconnu pour le modèle de recommandation, les valeurs correspondantes retournées dans les colonnes product_ID et score sont nulles. Cela vous permet de récupérer les enregistrements relatifs aux utilisateurs inconnus, à l'aide d'un composant tFilterRow après le tRecommend au sein du même Job.

Installation de MLlib

La bibliothèque d'apprentissage automatique Spark, MLlib, utilise la bibliothèque gfortran runtime et, pour cette raison, vous devez vous assurer que cette bibliothèque est présente dans chaque nœud du cluster Spark à utiliser.

Pour plus d'informations concernant MLlib et cette bibliothèque, consultez la documentation Spark associée.

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, un (et un seul) composant relatif à un système de fichiers de la famille Storage est requis au sein du même Job, afin que Spark puisse utiliser ce composant pour se connecter au système de fichiers auquel les fichiers .jar dépendants du Job sont transférés :

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

Log4j

Si vous utilisez une solution Talend soumise à souscription, l'activité de ce composant peut être journalisée avec la fonctionnalité log4j. Pour plus d'informations sur cette fonctionnalité, consultez le Guide utilisateur du Studio Talend.

Pour plus d'informations sur les niveaux de logs du log4j, consultez la documentation d'Apache : http://logging.apache.org/log4j/1.2/apidocs/org/apache/log4j/Level.html (en anglais).