Propriétés du tFuzzyMatch - 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

Famille du composant

Data Quality

 

Fonction

Le composant tFuzzyMatch compare une colonne du flux principal avec une colonne du flux de référence et extrait les données du flux principal en affichant la distance.

Objectif

Le tFuzzyMatch permet d'assurer la qualité des données de n'importe quelle source de données en la comparant avec une source de données de référence.

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. Le schéma est soit local (built-in) soit distant dans le Repository.

Deux colonnes en lecture seule sont ajoutées automatiquement au schéma de sortie : Value et Match.

Depuis la version 5.6, les modes Built-In et Repository sont disponibles dans toutes les solutions de Talend.

 

 

Built-in : Le schéma est 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 réutilisable dans divers projets et Job designs. Voir également le Guide utilisateur du Studio Talend.

 

Matching type

Sélectionnez l'algorithme de correspondance approprié parmi les suivants :

Levenshtein : Basé sur la théorie de la distance d'édition. Il calcule le nombre d'insertion, de suppression ou de substitution nécessaire pour correspondre à la référence.

Metaphone : Basé sur la phonétique. Tout d'abord, il charge les sonorités de toutes les entrées du flux de référence (Lookup) et les compare avec celles des entrées du flux principal (Main).

Double Metaphone : une nouvelle version de l'algorithme phonétique Metaphone, qui produit des résultats plus précis que l'algorithme original. Il peut retourner à la fois un code primaire et secondaire pour une chaîne de caractères. Pour éviter toute ambiguïté que le Metaphone n'aurait pas pu détecter, utilisez cette option.

 

Min distance

(Levenshtein uniquement) Définissez le nombre minimum de modifications autorisées pour correspondre à la référence. Si vous définissez 0, seules les correspondances exactes sont extraites.

 

Max distance

(Levenshtein uniquement) Définissez le nombre maximum de modifications pouvant correspondre à la référence.

 

Matching column

Sélectionnez la colonne du flux principal qui doit être comparée avec la colonne clé du flux de référence (Lookup).

 

Unique matching

Cochez cette case pour obtenir la meilleure correspondance possible, si plusieurs correspondances sont disponibles.

 

Matching item separator

Si plusieurs correspondances sont disponibles, elles seront toutes affichées sauf si la case Unique match est cochée. Définissez le délimiteur entre chaque correspondance.

Global Variables

NB_LINE : nombre de lignes lues par un composant d'entrée ou passées à un composant de sortie. Cette variable est une variable After et retourne un entier.

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, si le composant a cette option.

Une variable Flow fonctionne durant l'exécution d'un composant. Une variable After fonctionne après 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. A partir de cette liste, vous pouvez choisir la variable que vous souhaitez utiliser.

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

Utilisation

Ce composant n'est pas un composant de début (fond vert) et il nécessite deux composants d'entrée et un composant de sortie.

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).