Propriétés du tElasticSearchOutput pour Apache Spark Streaming - 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 tElasticSearchOutput s'exécutant dans le framework de Jobs Spark Streaming.

Le composant tElasticSearchOutput Spark Streaming appartient à la famille ElasticSearch.

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. 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].

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 dans lequel écrire les documents.

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

Type

Saisissez le nom du type auquel appartiennent les documents à écrire.

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}.

Output document

Choisissez comment écrire le document dans Elasticsearch.

  • JAVABEAN : si vous sélectionnez cette option, le tElasticsearchOutput utilise directement le schéma d'entrée pour construire les chaînes de caractères JSON à écrire.

    Par exemple, si le schéma d'un enregistrement se présente comme suit :
    id name age
    1  user 18
    le document écrit en sortie par l'option JAVABEAN est {"id":1,"name":"user","age":18}.
  • JSON : avec cette option, une colonne json_document en lecture seule est automatiquement ajoutée au schéma de sortie afin de recevoir des chaînes de caractères JSON (documents en termes Elasticsearch) des composants précédents. Cela signifie que vous devez utiliser le tWriteJSONField au sein du même Job afin de construire les chaînes de caractères JSON avant de les écrire en sortie dans le tElasticsearchOutput. Les autres colonnes du schéma peuvent être utilisées comme métadonnées pour ces documents JSON.

    Comme le tWriteJSONField vous permet de construire des arborescences JSON de différentes complexités, vous pouvez gérer comment s'affichent les chaînes de caractères à écrire.

Advanced settings

Document metadata

Renseignez cette table afin de sélectionner les colonnes d'entrée à utiliser pour fournir les métadonnées pour chaque document. Cette table est généralement utilisée avec l'option json_document de la liste Output document dans la vue Basic settings.

La colonne Column est automatiquement alimentée avec les colonnes du schéma d'entrée. Dans la colonne As metadata, vous devez cocher la case correspondant aux colonnes à utiliser.

Dans la colonne Metadata type, sélectionnez le type de métadonnées de document que chaque colonne fournit.

Pour plus d'informations concernant les types de métadonnées d'un document Elasticsearch, consultez https://www.elastic.co/guide/en/elasticsearch/guide/current/_document_metadata.html.

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 en tant que composant de fin et nécessite un lien d'entrée.

Ce composant doit utiliser un tElasticSearchConfiguration au sein du même Job pour se connecter à ElasticSearch. Vous devez cocher la case Use an existing configuration et sélectionner le composant tElasticSearchConfiguration à utiliser.

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.