Propriétés du tFlumeInput 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

Messaging / Flume

 

Basic settings

Host et Port

Saisissez le nom de l'hôte et le port de la machine utilisée comme sink (le point de sortie des données lié au canal d'un agent Flume) afin de recevoir les données de Flume.

  • Si vous sélectionnez As Receiver dans la liste Type, cette machine doit être l'une des machines sur lesquelles un worker Spark est en cours d'exécution. Le nom d'hôte doit être celui utilisé par le Resource Manager du cluster Spark à utiliser.

  • Si vous sélectionnez As Sink dans la liste Type, cette machine doit être un sink dans un agent Flume et être accessible au cluster Spark.

 

Type

Sélectionnez l'approche de lecture des données dans Flume.

  • As Receiver : approche Push, généralement employée par Flume. Avec cette approche, une machine d'un cluster Spark est configurée comme agent pour recevoir des données ayant subi un action de Push par Flume. Le Job Spark Streaming que vous construisez lit les données de cet agent.

  • As Sink : approche Pull. Avec cette approche, une machine est configurée comme sink afin de mettre en mémoire tampon les données ayant subi une action de Push par Flume. Le Job Spark Streaming que vous construisez effectue un Pull sur les données de ce sink.

Pour plus d'informations concernant ces deux approches, consultez https://spark.apache.org/docs/1.3.1/streaming-flume-integration.html (en anglais).

 

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.

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

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

Cette colonne line en lecture seule est utilisée par le tFlumeInput afin d'extraire automatiquement le corps d'un événement Flume d'entrée et construire un RDD avec les autres colonnes utilisées pour stocker l'en-tête du même événement.

Advanced settings

Encoding

Sélectionnez l'encodage à partir de la liste ou sélectionnez Custom et définissez-le manuellement.

Cet encodage est utilisé par le tFlumeInput afin de décoder les tableaux des événements d'entrée.

Utilisation dans des Jobs Spark Streaming

Dans un Job Talend Spark Streaming, il est utilisé en tant que composant d'entrée et nécessite un lien de sortie. Les autres composants utilisés avec celui-ci doivent également être des composants Spark Streaming. Ils génèrent nativement du code Spark pouvant être exécuté directement dans un cluster Spark.

Lors de l'exécution, le composant tFlumeInput continue à écouter le sink et lit les nouveaux événements à chaque fois qu'ils sont mis dans la mémoire tampon de ce sink.

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.

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).

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.

Limitation

Du fait d'une incompatibilité de licence, un ou plusieurs Jar requis pour utiliser ce composant ne sont pas fournis. Vous pouvez installer les Jar manquants pour ce composant en cliquant sur le bouton Install dans l'onglet Component. Vous pouvez également trouver les Jar manquants et les ajouter dans l'onglet Modules de la perspective Integration de votre studio. Pour plus d'informations, consultez la page https://help.talend.com/display/KB/How+to+install+external+modules+in+the+Talend+products (en anglais) ou la section décrivant comment configurer le studio, dans le Guide d'installation Talend.