tKinesisInput - 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.

Fonction

Le composant tKinesisInput consomme des données d'un flux Amazon Kinesis (une séquence ordonnée d'enregistrements de données), construit un RDD à partir de ces données et envoie le RDD aux composants suivants.

Objectif

Le composant tKinesisInput joue le rôle du consommateur d'un flux Amazon Kinesis afin d'effectuer un Pull des messages du flux Kinesis.

Propriétés du tKinesisInput dans des Jobs Spark Streaming

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 / Kinesis

 

Basic settings

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.

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

Cette colonne payload en lecture seule est utilisée pour contenir le corps du message Kinesis à traiter.

Le corps du message d'entrée peut utiliser de nombreux formats différents de données. Par exemple, si le format est JSON, vous devez utiliser le tExtractJSONField après le tKinesisInput pour extraire les données à traiter du corps.

 

Access key

Saisissez l'ID de la clé d'accès identifiant de manière unique un compte AWS. Pour plus d'informations concernant l'obtention de vos Access Key et Secret Key, consultez Getting Your AWS Access Keys (en anglais).

 

Secret key

Saisissez la clé secrète d'accès (Secret Access Key), qui constitue, avec la clé d'accès, les informations d'authentification sécurisée.

Pour saisir le mot de passe, cliquez sur le bouton [...] à côté du champ Password, puis, dans la boîte de dialogue qui s'ouvre, saisissez le mot de passe entre guillemets doubles, puis cliquez sur OK afin de sauvegarder les paramètres.

 

Stream name

Saisissez le nom du flux Kinesis duquel vous souhaitez que le tKinesisInput fasse un Pull sur les données.

 

Endpoint URL

Saisissez l'endpoint du service Kinesis à utiliser, par exemple, https://kinesis.us-east-1.amazonaws.com. Vous pouvez trouver d'autres URL Kinesis valides à l'adresse http://docs.aws.amazon.com/general/latest/gr/rande.html#ak_region (en anglais).

 

Explicitly set authentication parameters

Cochez cette case pour utiliser le mécanisme d'authentification explicite pour vous connecter à Kinesis. Notez que ce mécanisme est supporté uniquement par les versions 1.4 de Spark et suivantes.

Puisque ce mécanisme de sécurité nécessite que le paramètre AWS Region soit explicitement configuré, vous devez saisir la valeur de la région à utiliser dans le champ Region qui s'affiche. Par exemple, us-west-2.

Il est recommandé d'utiliser l'authentification explicite pour une meilleure sécurité lorsque la version de Spark que vous utilisez supporte ce mécanisme. Une fois cette case cochée, l'identifiant et le mot de passe d'accès sont directement fournis par Kinesis.

Si vous laissez cette case décochée, un ancien mécanisme d'authentification est utilisé. Ainsi, l'identifiant et le mot de passe sont utilisés par Spark comme variables de contexte pour la connexion à Kinesis.

Advanced settings

Checkpoint interval

Saisissez l'intervalle de temps (en millisecondes) à la fin duquel le tKinesisInput sauvegarde la position où s'est arrêtée la lecture dans le flux Kinesis.

Les enregistrements de données dans un flux Kinesis sont groupés en partitions (shards, en termes Kinesis) et indexés avec des numéros de séquence. Un numéro de séquence identifie de manière unique la position d'un enregistrement. Pour plus d'informations concernant les termes utilisés par Amazon dans Kinesis, consultez http://docs.aws.amazon.com/kinesis/latest/dev/key-concepts.html (en anglais).

 

Initial position stream

Sélectionnez la position de départ pour la lecture des données du flux, lorsqu'il n'y a pas d'information relative au point de contrôle Kinesis.

  • Start with the oldest data : commence du début du flux dans la limite de 24 heures.

  • Start after the most recent data : commence à la position après les dernières données du flux.

 

Storage level

Sélectionnez comment recevoir les données à mettre en cache. Pour plus d'informations concernant les différents niveaux, consultez https://spark.apache.org/docs/latest/programming-guide.html#rdd-persistence (en anglais).

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, ce composant continue à écouter le flux et lit les nouveaux messages lorsqu'ils sont en mémoire tampon dans le flux.

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.

Scénario associé

Aucun scénario n'est disponible pour la version Spark Streaming de ce composant.