Propriétés du tSqlRow pour Apache Spark Streaming - 6.4

Processing (Integration)

author
Talend Documentation Team
EnrichVersion
6.4
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 ESB
Talend Open Studio for MDM
Talend Real-Time Big Data Platform
task
Création et développement > Systèmes tiers > Composants Processing (Intégration)
Gouvernance de données > Systèmes tiers > Composants Processing (Intégration)
Qualité et préparation de données > Systèmes tiers > Composants Processing (Intégration)
EnrichPlatform
Studio Talend

Ces propriétés sont utilisées pour configurer le tSqlRow s'exécutant dans le framework de Jobs Spark Streaming.

Le composant tSqlRow Spark Streaming appartient à la famille Processing.

Ce composant est disponible dansTalend Real Time Big Data Platform et dans Talend Data Fabric.

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.

  • 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.

Cliquez sur Edit schema pour modifier le schéma. Notez que si vous effectuez des modifications, le schéma passe automatiquement en type built-in.

  • 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, cliquez sur No et sélectionnez à nouveau la métadonnée du schéma dans la fenêtre [Repository Content].

SQL context

Sélectionnez les langages de requête que vous souhaitez que le tSqlRow utilise.

  • SQL Spark Context : langage natif de requêtes Spark.

  • SQL Hive Context : langage de requêtes Hive supporté par Spark.

    En mode SQL Hive Context, le tSqlRow ne vous permet pas d'utiliser le metastore de Hive. Si vous devez lire ou écrire des données dans le metastore Hive, utilisez les composants tHiveInput ou tHiveOutput à la place et, dans cette situation, vous devez créer différemment votre Job.

    Ce langage supporte la majorité des instructions Hive mais ne permet pas d'utiliser de metastore Hive. Si vous devez utiliser un metastore Hive dans votre requête, utilisez un tHiveInput au lieu d'un tSqlRow.

    Pour plus d'informations concernant les instructions de requêtes Hive supportées par Spark, consultez Supported Hive features (en anglais).

Query

Saisissez votre requête en faisant particulièrement attention à l'ordre des champs afin de correspondre à la définition du schéma.

Le composant tSqlRow utilise le libellé de son lien d'entrée pour nommer la table enregistrée stockant les jeux de données depuis le même lien d'entrée. Par exemple, si un lien d'entrée est nommé row1, ce row1 est automatiquement le nom de la table dans laquelle effectuer les requêtes.

Advanced settings

Register UDF jars

Ajoutez les .jar Spark SQL ou Hive SQL UDF (user-defined function, fonction personnalisée) que vous souhaitez que le tSqlRow utilise. Si vous ne souhaitez pas appeler votre fonction personnalisée à l'aide de son nom de classe complètement qualifié, vous devez définir un alias de fonction pour cette fonction personnalisée, dans la table Temporary UDF functions et utiliser cet alias. Il est recommandé d'utiliser l'approche de l'alias, car un alias est souvent pratique pour appeler une fonction personnalisée à partir d'une requête.

Une fois cette ligne ajoutée à la table, cliquez dessus pour afficher le bouton [...], puis cliquez sur ce bouton pour afficher l'assistant d'import de .jar. Via cet assistant, importez les fichiers .jar des fonctions personnalisées que vous souhaitez utiliser.

Temporary UDF functions

Renseignez cette table pour donner à chaque classe de fonction personnalisée importée un nom de fonction temporaire à utiliser dans la requête, dans le tSqlRow.

Si vous avez sélectionné SQL Spark Context dans la liste SQL context, la colonne UDF output type s'affiche. Dans cette colonne, vous devez sélectionner le type de données de sortie de la fonction personnalisée Spark SQL à utiliser.

Use Timestamp format for Date type Cochez cette case pour sortir les dates, les heures, les minutes et les secondes contenues dans vos données de type Date. Si vous ne cochez pas cette case, seuls les années, les mois et les jours sont écrits en sortie.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme étape intermédiaire.

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, vous devez spécifier le répertoire du système de fichiers dans lequel ces fichiers .jar sont transférés afin que Spark puisse accéder à ces fichiers :
  • Yarn mode : lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration. Lorsque vous utilisez d'autres distributions, utilisez un composant tHDFSConfiguration afin de spécifier le répertoire.

  • Standalone mode : vous devez choisir le composant de configuration selon le système de fichiers que vous utilisez, comme tHDFSConfiguration ou tS3Configuration.

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