Propriétés du tExtractDelimitedFields pour Apache Spark Batch - 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 tExtractDelimitedFields s'exécutant dans le framework de Jobs Spark Batch.

Le composant tExtractDelimitedFields Spark Batch appartient à la famille Processing.

Le composant dans ce framework est disponible dans tous les produits Talend avec Big Data nécessitant souscription 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.

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

 

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.

Prev.Comp.Column list

Sélectionnez la colonne de laquelle extraire les données.

Die on error

Cochez cette case pour arrêter l'exécution du Job lorsqu'une erreur survient.

Field separator

Saisissez un caractère, une chaîne de caractères ou une expression régulière pour séparer les champs des données transférées.

CSV options

CSV options

Cochez cette case afin de spécifier les paramètres CSV suivants :

  • Escape char : saisissez le caractère d'échappement entre guillemets doubles. Par exemple, vous devez saisir "\\" si le caractère barre oblique inversée (\) est utilisé comme caractère d'échappement.

  • Text enclosure : saisissez le caractère avec lequel entourer le texte (un seul caractère) entre guillemets doubles. Par exemple, vous devez saisir """ lorsque le guillemet double (") est utilisé comme caractère pour entourer le texte.

Il est recommandé d'utiliser le caractère d'échappement standard : "\". Sinon, vous devriez utiliser le même caractère pour les paramètres Escape char et Text enclosure. Par exemple, si le caractère d'échappement est "\", le caractère d'entourage du texte peut être n'importe quel autre caractère. En revanche, si le caractère d'échappement est un caractère autre que "\", le caractère d'entourage du texte peut être n'importe quel autre caractère. Cependant, le caractère d'échappement sera modifié pour correspondre au caractère d'entourage du texte. Par exemple, si le caractère d'échappement est "#" et le caractère d'entourage du texte est "@", le caractère d'échappement sera modifié en "@", et pas "#".

Cochez cette case pour inclure des paramètres CSV spécifiques comme Escape char et Text enclosure.

Advanced settings

Custom Encoding

Il est possible de rencontrer des problèmes d'encodage lorsque vous traitez les données stockées. Dans ce cas, cochez cette case pour afficher la liste Encoding.

Sélectionnez l'encodage à utiliser dans la liste ou sélectionnez Custom pour le définir manuellement.

Advanced separator (for number)

Cochez cette case pour modifier le séparateur utilisé pour les nombres. Par défaut, le séparateur des milliers est une virgule (,) et le séparateur décimal est un point (.).

Trim all columns

Cochez cette case pour supprimer les espaces en début et en fin de champ dans les colonnes sélectionnées. Lorsque cette case est cochée, la table Check column to trim est affichée, ce qui vous permet de sélectionner les colonnes desquelles vous souhaitez enlever les espaces en début et en fin de champ.

Check column to trim

Cette table est automatiquement renseignée avec le schéma utilisé. Cochez la (les) case(s) correspondant à la (aux) colonne(s) dont vous souhaitez supprimer les espaces et début et en fin de champ.

Check each row structure against schema

Cochez cette case afin de vérifier que le nombre total de colonnes est cohérent par rapport au schéma. Si le nombre n'est pas cohérent, un message d'erreur s'affiche dans la console.

Check date

Cochez cette case pour vérifier strictement le format de date par rapport au schéma d'entrée.

Decode String for long, int, short, byte Types

Cochez cette case si l'un de vos types numériques (long, integer, short, ou byte), doit être parsé depuis une chaîne de caractères hexadécimale ou octale.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme étape intermédiaire.

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, 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.