Propriétés du tWindow 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 tWindow s'exécutant dans le framework de Jobs Spark Streaming.

Le composant tWindow Spark Streaming appartient à la famille Processing.

La version Streaming de ce composant est disponible dans Talend Real Time Big Data Platform et dans Talend Data Fabric.

Basic settings

Window duration

Saisissez, sans guillemet, la durée (en millisecondes) de la fenêtre à appliquer.

Par exemple, si la taille du batch définie dans l'onglet de configuration Spark est de 2 secondes, la durée de la fenêtre de 6 secondes couvre 3 batchs à chaque application de cette fenêtre.

Define the slide duration

Cochez la case Define the slide duration. Dans le champ qui s'affiche, saisissez, sans guillemet, l'intervalle de temps (en millisecondes) à la fin duquel la fenêtre est appliquée.

Par exemple, si la taille du batch définie dans l'onglet Spark configuration est de 2 secondes, la fenêtre glissante de 4 secondes signifie que celle-ci est appliquée toutes les 4 secondes. Si la durée de la fenêtre est de 6 secondes, toutes les deux applications de la fenêtre, un chevauchement d'un batch se produit.

Si vous laissez cette case décochée, la durée de la fenêtre glissante prise en compte est celle de la taille du batch définie dans l'onglet Spark configuration.

La durée de la fenêtre et sa durée de glissement doivent être des multiples de la taille du batch définie dans l'onglet Spark configuration.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme étape intermédiaire.

Ce composant ne modifie pas le schéma de données mais contrôle le rythme du traitement des micro batchs via la fenêtre spécifique.

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.