tSortRow - 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

Fonction

Ce composant trie les données d'entrée basées sur une ou plusieurs colonnes, selon un type de tri et un ordre.

Objectif

Il permet d'établir des métriques et des tables de classification.

Si vous avez souscrit à l'une des solutions Big Data de Talend, ce composant est disponible dans les types de Job suivants :

Propriétés du tSortRow

Famille du composant

Processing

 

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.

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].

Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job.

Ce composant offre la fonction de schéma dynamique. Cela vous permet de récupérer des colonnes inconnues à partir de fichiers source ou de copier des lots de colonnes d'une source sans avoir à mapper individuellement ces colonnes. Pour plus d'informations concernant les schémas dynamiques, consultez le Guide utilisateur de Studio Talend.

Cette fonctionnalité de schéma dynamique est conçue pour permettre de récupérer des colonnes inconnues d'une table. Il est recommandé de l'utiliser uniquement à cet effet et non pour créer des tables.

 

 

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.

 

Criteria

Cliquez sur [+] pour ajouter autant de lignes que nécessaire pour mettre en place le tri. La première colonne définie dans le schéma est sélectionnée par défaut.

 

 

Schema column : Sélectionnez la colonne de votre schéma sur laquelle vous souhaitez baser votre tri. Notez que l'ordre est important car il détermine la priorité de tri.

 

 

Sort type : Numérique ou Alphabétique.

 

 

Order : Ordre ascendant ou descendant.

Advanced settings

Sort on disk

Personnalisez la mémoire utilisée de manière temporaire pour stocker les données de sortie.

Temp data directory path : Définissez le chemin d'accès au dossier dans lequel stocker les fichiers temporaires.

Create temp data directory if not exists : Cochez cette case afin de créer le dossier s'il n'existe pas.

Buffer size of external sort : Entrez la taille de la mémoire physique à allouer au processus de tri.

 

tStatCatcher Statistics

Cochez cette case pour collecter les données de log au niveau du composant.

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, 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 manipule le flux de données et par conséquent requiert un composant en entrée et un composant en sortie. Il s'agit donc d'un composant intermédiaire.

Scénario 1: Trier des données

Le scénario suivant décrit un Job constitué de trois composants. Un composant tRowGenerator est utilisé pour créer des entrées de façon aléatoire. Ces entrées seront ensuite envoyées au composant tSortRow afin d'être triées selon une valeur définie. Dans ce scénario, le flux d'entrée contient des noms de vendeurs ainsi que leur volume de vente respectif et leur nombre d'années d'ancienneté dans l'entreprise. Le résultat de l'opération de tri est affiché dans la console Run.

  • Cliquez et déposez les trois composants requis pour ce scénario : tRowGenerator, tSortRow et tLogRow.

  • Connectez-les à l'aide de liens de type Row Main.

  • Dans le RowGenerator editor, définissez les valeurs qui seront créées de manière aléatoire et qui seront ensuite triées par le tSortRow. Pour plus d'informations concernant l'utilisation du tRowGenerator, consultez Propriétés du tRowGenerator.

  • Dans ce scénario, chaque vendeur est classé en fonction de la valeur de ses ventes (Sales) et de son ancienneté dans l'entreprise (YearsInComp).

  • Double-cliquez sur tSortRow pour afficher l'onglet Basic settings. Définissez la priorité de tri sur la valeur des ventes et, en second critère, sur l'ancienneté.

  • Utilisez le bouton [+] pour ajouter le nombre de lignes de critères requis. Paramétrez le type de tri, dans cet exemple, les deux critères sont de type numérique. Enfin, étant donné que la sortie est une classification, définissez l'ordre de tri comme descendant.

  • Dans l'onglet Advanced settings, cochez l'option Sort on disk pour modifier les paramètres de la mémoire temporaire. Dans le champ Temp data directory path, renseignez le chemin d'accès au dossier dans lequel vous voulez stocker les données temporaires. Dans le champ Buffer size of external sort, définissez la taille maximale de la mémoire tampon à allouer au traitement des données.

Avertissement

La valeur par défaut de la mémoire tampon est de 1000000 mais plus vous traitez un nombre important de lignes et/ou colonnes, plus cette valeur devra être élevée pour éviter l'interruption automatique du Job signifiée par le message d'erreur "out of memory".

  • Assurez-vous que ce flux est connecté au composant de sortie tLogRow, afin d'afficher le résultat dans la console Run.

  • Appuyez sur F6 pour exécuter le Job ou passez à la vue Run et cliquez sur le bouton Run. Le classement est d'abord basé sur la valeur des ventes puis sur le nombre d'années d'ancienneté.

Scénario 2 : Trier des données basées sur un schéma dynamique

Dans ce scénario, des données sont triées dans un fichier d'entrée basé sur un schéma dynamique, le résultat de l'opération de tri est affiché dans la console Run, puis sauvegardé dans un fichier de sortie. Pour plus d'informations concernant la fonction de schéma dynamique, consultez le Guide utilisateur du Studio Talend.

  • A partir de la Palette, cliquez déposez dans l'éditeur graphique les composants requis pour ce scénario : tFileInputDelimited, tSortRow, tLogRow et tFileOutputDelimited.

  • Connectez-les à l'aide de liens de type Row > Main.

  • Double-cliquez sur le composant tFileInputDelimited pour afficher l'onglet Basic settings de sa vue Component.

Avertissement

La fonction de schéma dynamique est disponible uniquement en mode Built-In et nécessite que le fichier d'entrée contienne une ligne d'en-tête.

  • Sélectionnez Built-In dans la liste déroulante Property Type.

  • Cliquez sur le bouton [...] à droite du champ File Name afin de parcourir votre répertoire et de sélectionner votre fichier d'entrée. Dans ce scénario, le fichier d'entrée cars.csv contient cinq colonnes : ID_Owner, Registration, Make, Color, et ID_Reseller.

  • Spécifiez dans le champ Header quelle est la ligne d'en-tête. Dans ce scénario, il s'agit de la première ligne.

  • Sélectionnez Built-In dans la liste déroulante Schema, puis cliquez sur Edit schema pour paramétrer le schéma d'entrée.

Avertissement

La colonne dynamique doit être définie sur la dernière ligne du schéma.

  • Dans l'éditeur de schéma, ajoutez deux colonnes à l'aide du bouton [+] et nommez les respectivement ID_Owner et Other. Paramétrez le type de données de la colonne Other en Dynamic afin de récupérer toutes les colonnes non définies dans le schéma.

  • Cliquez sur OK pour propager le schéma et fermer l'éditeur de schéma.

  • Double-cliquez sur le composant tSortRow pour afficher l'onglet Basic settings de sa vue Component.

  • Ajoutez une ligne dans le tableau Criteria à l'aide du bouton [+], sélectionnez Other dans Schema column, alpha dans le type de tri, puis sélectionnez l'ordre asc (ascendant) ou desc (descendant) des données de sortie.

Avertissement

Le tri des colonnes dynamiques ne fonctionne que lorsque le type de tri est configuré en alpha.

  • Pour visionner les données de sortie sous forme de tableau dans la console Run, double-cliquez sur le composant tLogRow et sélectionnez l'option Table dans l'onglet Basic settings.

  • Double-cliquez sur le composant tFileOutputDelimited pour afficher l'onglet Basic settings de sa vue Component.

  • Cliquez sur le bouton [...] à droite du champ File name afin de parcourir et sélectionner le répertoire dans lequel vous souhaitez enregistrer le fichier de sortie, puis donnez-lui un nom..

  • Cochez la case Include Header pour récupérer les noms des colonnes ainsi que les données triées.

  • Enregistrez votre Job puis appuyez sur F6 pour l'exécuter.

    Le résultat de l'opération de tri s'affiche dans la console Run et est écrit dans le fichier de sortie.

Le composant tSortRow dans des Jobs Map/Reduce Talend

Avertissement

Les informations contenues dans cette section concernent uniquement les utilisateurs ayant souscrit à l'une des solutions Big Data de Talend et ne sont pas applicables aux utilisateurs de Talend Open Studio for Big Data.

Dans un Job Map/Reduce Talend, le tSortRow, ainsi que le Job complet utilisant ce composant, génère du code Map/Reduce natif. Cette section présente les propriétés du tSortRow lorsqu'il est utilisé dans un Job Map/Reduce. Pour plus d'informations concernant un Job Map/Reduce Talend, consultez le Guide de prise en main de Talend Big Data.

Famille du composant

Processing

 

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.

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].

Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job.

 

 

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.

 

Criteria

Cliquez sur [+] pour ajouter autant de lignes que nécessaire pour mettre en place le tri. La première colonne définie dans le schéma est sélectionnée par défaut.

 

 

Schema column : Sélectionnez la colonne de votre schéma sur laquelle vous souhaitez baser votre tri. Notez que l'ordre est important car il détermine la priorité de tri.

 

 

Sort type : Numérique ou Alphabétique.

 

 

Order : Ordre ascendant ou descendant.

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, 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 dans des Jobs Map/Reduce

Dans un Job Talend Map/Reduce, il est utilisé comme étape intermédiaire, avec d'autres composants Map/Reduce. Ils génèrent nativement du code Map/Reduce pouvant être exécuté directement dans Hadoop.

Pour plus d'informations concernant les Jobs Talend Map/Reduce, consultez les sections décrivant comment créer, convertir et configurer un Job Talend Map/Reduce, dans le Guide de prise en main de Talend Big Data.

Pour un scénario présentant un Job Map/Reduce utilisant ce composant, consultez Scénario : Dédoublonner des entrées en utilisant des composants Map/Reduce.

Notez que, dans cette documentation, sauf mention contraire, un scénario présente uniquement des Jobs Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données et non des Jobs Map/Reduce.

Scénarios associés

Aucun scénario n'est disponible pour la version Map/Reduce de ce composant.

Propriétés du tSortRow dans des Jobs Spark Batch

Famille du composant

Processing

 

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.

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].

Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job.

 

 

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.

 

Criteria

Cliquez sur [+] pour ajouter autant de lignes que nécessaire pour mettre en place le tri. La première colonne définie dans le schéma est sélectionnée par défaut.

 

 

Schema column : Sélectionnez la colonne de votre schéma sur laquelle vous souhaitez baser votre tri. Notez que l'ordre est important car il détermine la priorité de tri.

 

 

Sort type : Numérique ou Alphabétique.

 

 

Order : Ordre ascendant ou descendant.

Utilisation dans des Jobs Spark Batch

Dans un Job Talend Spark Batch, il est utilisé comme étape intermédiaire, avec d'autres composants Spark Batch. Ils génèrent nativement du code Spark pouvant être exécuté directement dans un cluster Spark.

Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch.

Notez que, dans cette documentation, sauf mention contraire, un scénario présente uniquement des Jobs Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données.

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).

Scénario associé

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

Propriétés du tSortRow 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

Processing

 

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.

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].

Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job.

 

 

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.

 

Criteria

Cliquez sur [+] pour ajouter autant de lignes que nécessaire pour mettre en place le tri. La première colonne définie dans le schéma est sélectionnée par défaut.

 

 

Schema column : Sélectionnez la colonne de votre schéma sur laquelle vous souhaitez baser votre tri. Notez que l'ordre est important car il détermine la priorité de tri.

 

 

Sort type : Numérique ou Alphabétique.

 

 

Order : Ordre ascendant ou descendant.

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.

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).

Scénario associé

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