Propriétés du tElasticSearchInput pour Apache Spark Batch - 6.4

ElasticSearch

author
Talend Documentation Team
EnrichVersion
6.4
EnrichProdName
Talend Big Data
Talend Big Data Platform
Talend Data Fabric
Talend Real-Time Big Data Platform
task
Création et développement > Systèmes tiers > Composants ElasticSearch
Gouvernance de données > Systèmes tiers > Composants ElasticSearch
Qualité et préparation de données > Systèmes tiers > Composants ElasticSearch
EnrichPlatform
Studio Talend

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

Le composant tElasticSearchInput Spark Batch appartient à la famille ElasticSearch.

Ce composant est disponible dans tous les produits Big Data de Talend 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.

Le schéma des données écrites en sortie par ce composant sont en lecture seule, id_document et json_document. La colonne json_document contient le corps des documents lus par ElasticSearch. Si vous devez explorer des données depuis cette colonne json_document, utilisez le composant tExtractJSONFields pour extraire les données à utiliser.

Use an existing configuration

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

Nodes

Saisissez l'emplacement du cluster hébergeant le système Elasticsearch à utiliser.

Index

Saisissez le nom de l'index duquel lire les documents.

L'index est la plus grande unité de stockage dans le système Elastisearch.

Type

Saisissez le nom du type auxquels les documents à lire appartiennent.

Par exemple, blogpost_en et blogpost_fr peuvent être deux types représentant des articles de blogs en anglais et en français, respectivement.

Vous pouvez dynamiquement utiliser les valeurs d'une colonne donnée pour qu'elles soient des types de documents. Si vous devez les utiliser ainsi, saisissez le nom de la colonne entre accolades ({}), par exemple, {blog_author}.

Query

Saisissez la requête ElasticSearch à exécuter par ce composant.

Lorsque vous modifiez des requêtes, vous devez utiliser la syntaxe requise par ElasticSearch ainsi que les caractères d'échappement requis par Java et saisir la requête entre guillemets doubles.

Par exemple, dans la documentation d'ElasticSearch, une requête se présente comme suit :
es.query = { "query" : { "term" : { "user" : "costinl" } } }
Dans le champ Query, vous devez écrire la même requête de la manière suivante :
"{ \"query\" : { \"term\" : {\"user\" : \"costinl\" } } }"

Advanced settings

Use SSL/TLS

Cochez cette case pour activer la connexion cryptée SSL ou TLS.

Utilisez le composant tSetKeystore dans le même Job afin de spécifier les informations de chiffrement.

Pour plus d'informations concernant le tSetKeystore, consultez tSetKeystore.

Configuration

Ajoutez les paramètres acceptés par ElasticSearch pour effectuer plus d'actions personnalisées.

Par exemple, saisissez es.mapping.id dans la colonne Key et true dans la colonne Value pour que l'ID du document soit contenu dans le nom de la propriété ou du champ. Notez que vous devez saisir des guillemets doubles autour des informations saisies.

Pour la liste des paramètres que vous pouvez utiliser, consultez https://www.elastic.co/guide/en/elasticsearch/hadoop/master/configuration.html (en anglais).

Utilisation

Règle d'utilisation

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

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.