Propriétés du tMysqlInput dans des Jobs Spark Batch - 6.3

Composants Talend Guide de référence

EnrichVersion
6.3
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

Famille du composant

Databases/MySQL

 

Basic settings

Property type

Peut être Built-In ou Repository.

- Built-In : Propriétés utilisées ponctuellement.

- Repository : Sélectionnez le fichier dans lequel sont stockées les propriétés du composant.

 

Cliquez sur cette icône pour ouvrir l'assistant de configuration de connexion à la base de données et enregistrer les paramètres de connexion que vous avez définis dans la vue Basic settings du composant.

Pour plus d'informations sur comment définir et stocker des paramètres de connexion de base de données, consultez le Guide utilisateur du Studio Talend.

 

DB version

Sélectionnez la version de la base de données à utiliser.

Lorsque la base de données à utiliser est RDS Aurora, vous devez sélectionner Mysql 5.

 

Use an existing connection

Cochez cette case et sélectionnez le composant de connexion adéquat à partir de la liste Component List pour réutiliser les paramètres d'une connexion que vous avez déjà définie.

Note

Lorsqu'un Job contient un Job parent et un Job enfant, si vous souhaitez utiliser une connexion existant entre les deux niveaux, par exemple pour partager la connexion créée par le Job parent avec le Job enfant, vous devez :

  1. Au niveau parent, enregistrer la connexion à la base de données à partager, dans la vue Basic settings du composant de connexion créant cette connexion.

  2. Au niveau enfant, utiliser un composant dédié à la création de connexion, afin de lire la connexion enregistrée.

Pour plus d'informations concernant le partage d'une connexion à travers différents niveaux de Jobs, consultez le Guide utilisateur du Studio Talend.

 

Host

Adresse IP du serveur de base de données.

 

Port

Numéro du port d'écoute du serveur de base de données.

 

Database

Nom de la base de données.

 

Username et Password

Informations d'authentification de l'utilisateur de base de données.

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 et cliquez sur OK afin de sauvegarder les paramètres.

 

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

 

Table Name

Saisissez le nom de la table de laquelle lire les données.

 

Query type et Query

Saisissez votre requête de base de données en faisant attention à ce que l'ordre des champs corresponde à celui défini dans le schéma.

Si vous utilisez Spark V2.0 ou une version supérieure, Spark SQL ne reconnaît plus le préfixe d'une table de base de données. Cela signifie que vous devez saisir uniquement le nom de la table, sans ajouter de préfixe indiquant par exemple le schéma auquel cette table appartient.

Par exemple, si vous devez effectuer une requête sur une table system.mytable, pour laquelle le préfixe system indique le schéma auquel appartient la table mytable. Dans la requête, vous devez saisir uniquement mytable.

Advanced settings

Additional JDBC parameters

Définissez des propriétés de connexion supplémentaires pour la connexion à la base de données que vous créez. Les propriétés sont séparées par un point-virgule et chaque propriété est une paire clé-valeur, par exemple, encryption=1;clientname=Talend.

Ce champ n'est pas disponible si la case Use an existing connection est cochée.

 

Spark SQL JDBC parameters

Ajoutez les propriétés JDBC supportées par Spark SQL à cette table. Pour une liste de propriétés configurables par l'utilisateur, consultez JDBC to other database (en anglais).

Ce composant paramètre automatiquement les propriétés url, dbtable et driver en utilisant la configuration dans l'onglet Basic settings.

Advanced settings

Trim all the String/Char columns

Cochez cette case pour supprimer les espaces en début et en fin de champ dans toutes les colonnes contenant des chaînes de caractères.

 

Trim column

Supprimez les espaces en début et en fin de champ dans les colonnes sélectionnées.

Note

Décochez Trim all the String/Char columns pour activer le tableau Trim column.

 

Enable partitioning

Cochez la case pour lire les données en partitions.

Définissez, entre les guillemets doubles, les paramètres suivants afin de configurer le partitionnement :

  • Partition column : la colonne numérique utilisée comme clé de partition.

  • Lower bound of the partition stride et Upper bound of the partition stride : renseignez les champs upper bound (limite haute) et lower bound (limite basse) afin de paramétrer la plage de clé de partition. Ces limites ne filtrent pas les lignes de table. Toutes les lignes de la table sont partitionnées et retournées.

  • Number of partitions : le nombre de partitions dans lesquelles les lignes de table sont séparées. Chaque worker Spark gère une seule partition à la fois.

La taille moyenne des partitions est le résultat de la différence entre la limite haute et la limite basse divisée par le nombre de partitions, c'est-à-dire (upperBound - lowerBound)/partitionNumber, alors que les premières et les dernières partitions incluent également toutes les autres lignes qui ne sont pas contenues dans les autres partitions.

Par exemple, pour partitionner 1000 lignes en 4 partitions, si vous saisissez 0 comme limite basse et 1000 comme limite haute, chaque partition devra contenir 250 lignes approximativement afin que le partitionnement soit égal. Si vous saisissez 250 pour la limite inférieure et 750 pour la limite supérieure, la deuxième et la troisième partition contiendront chacune 125 lignes et la première et la dernière partition, 375 lignes respectivement. Dans cette configuration, le partitionnement est asymétrique.

Utilisation dans des Jobs Spark Batch

Ce composant est utilisé comme composant de début et requiert un lien de sortie.

Ce composant doit utiliser un tMysqlConfiguration présent dans le même Job pour se connecter à MySQL. Cochez la case Use an existing connection et sélectionnez le composant tMysqlConfiguration à utiliser.

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.

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.