Propriétés du tBigQueryConfiguration pour Apache Spark Batch

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

Le composant tBigQueryConfiguration Spark Batch appartient aux familles Stockage et Bases de données.

Le composant de ce framework est disponible dans tous les produits Talend avec Big Data et dans Talend Data Fabric.

Basic settings

Lorsque vous utilisez ce composant avec Google Dataproc :

BigQuery temp GCS path	Saisissez le répertoire dans Google Storage pour stocker temporairement les données à utiliser avec Google BigQuery. S'il n'existe pas encore, ce répertoire est créé à la volée mais le bucket contenant ce répertoire doit déjà exister. La syntaxe de ce répertoire doit être gs://my_bucket/my_directory. Dans Google Cloud Platform, lorsque vous utilisez Google BigQuery avec Dataproc, sélectionnez la même région pour que votre jeu de données BigQuery et votre cluster Dataproc puissent être exécutés.
Location	Sélectionnez l'un des emplacements Google multirégionaux depuis lequel ou dans lequel vous souhaitez lire ou écrire des données. Le jeu de données de ressources et le jeu de données cible doivent être dans le même emplacement. Dans les Jobs Spark, seuls les emplacements aux États-Unis et en Europe sont supportés. Pour plus d'informations concernant les emplacements Google et concernant leur utilisation, consultez Dataset Locations (uniquement en anglais) dans la documentation Google.

BigQuery temp GCS path

Saisissez le répertoire dans Google Storage pour stocker temporairement les données à utiliser avec Google BigQuery. S'il n'existe pas encore, ce répertoire est créé à la volée mais le bucket contenant ce répertoire doit déjà exister. La syntaxe de ce répertoire doit être gs://my_bucket/my_directory.

Dans Google Cloud Platform, lorsque vous utilisez Google BigQuery avec Dataproc, sélectionnez la même région pour que votre jeu de données BigQuery et votre cluster Dataproc puissent être exécutés.

Location

Sélectionnez l'un des emplacements Google multirégionaux depuis lequel ou dans lequel vous souhaitez lire ou écrire des données. Le jeu de données de ressources et le jeu de données cible doivent être dans le même emplacement.

Dans les Jobs Spark, seuls les emplacements aux États-Unis et en Europe sont supportés.

Pour plus d'informations concernant les emplacements Google et concernant leur utilisation, consultez Dataset Locations (uniquement en anglais) dans la documentation Google.

Lorsque vous utilisez ce composant avec d'autres distributions :

Project identifier	Saisissez l'ID de votre projet Google Cloud Platform. Si vous n'êtes pas certain de l'ID de votre projet, vérifiez dans la page Manage Resources de vos services Google Cloud Platform.
Path to Google Credentials file	Saisissez le chemin d'accès au fichier Credentials associé au compte utilisateur·rice à utiliser. Ce fichier doit être stocké sur la machine sur laquelle le Job Talend est actuellement lancé et exécuté. Si vous utilisez le JobServer Talend pour exécuter votre Job, stockez le fichier Credentials sur la machine du Jobserver, sur laquelle le Job est lancé, mais également sur les machines worker du cluster Spark, sur lesquelles le Job est exécuté.
Use P12 credentials file format	Lorsque le fichier Google Credentials à utiliser est au format P12, cochez cette case et, dans le champ Service account Id qui s'affiche, saisissez l'ID du compte de service pour lequel le fichier Credentials P12 a été créé.
BigQuery temp GCS path	Saisissez le répertoire dans Google Storage pour stocker temporairement les données à utiliser avec Google BigQuery. S'il n'existe pas encore, ce répertoire est créé à la volée mais le bucket contenant ce répertoire doit déjà exister. La syntaxe de ce répertoire doit être gs://my_bucket/my_directory. Dans Google Cloud Platform, lorsque vous utilisez Google BigQuery avec Dataproc, sélectionnez la même région pour que votre jeu de données BigQuery et votre cluster Dataproc puissent être exécutés.
Location	Sélectionnez l'un des emplacements Google multirégionaux depuis lequel ou dans lequel vous souhaitez lire ou écrire des données. Le jeu de données de ressources et le jeu de données cible doivent être dans le même emplacement. Dans les Jobs Spark, seuls les emplacements aux États-Unis et en Europe sont supportés. Pour plus d'informations concernant les emplacements Google et concernant leur utilisation, consultez Dataset Locations (uniquement en anglais) dans la documentation Google.

Utilisation

Règle d'utilisation	Ce composant est utilisé en standalone dans un sous-Job pour fournir la configuration de la connexion à Google BigQuery et Google Storage pour le Job complet.
Spark Connection	Dans l'onglet Spark Configuration de la vue Run, définissez 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 (Yarn Client ou Yarn Cluster) : Lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration. Lorsque vous utilisez HDInsight, spécifiez le blob à utiliser pour le déploiement du Job, dans la zone Windows Azure Storage configuration de l'onglet Spark configuration. Lorsque vous utilisez Altus, spécifiez le bucket S3 ou le stockage Azure Data Lake Storage (aperçu technique) pour le déploiement du Job, dans l'onglet Spark configuration. Lorsque vous utilisez Qubole, ajoutez tS3Configuration à votre Job pour écrire vos données métier dans le système S3 avec Qubole. Sans tS3Configuration, ces données métier sont écrites dans le système Qubole HDFS et détruites une fois que vous arrêtez votre cluster. Lorsque vous utilisez des distributions sur site (on-premises), utilisez le composant de configuration correspondant au système de fichiers utilisé par votre cluster. Généralement, ce système est HDFS et vous devez utiliser le tHDFSConfiguration (en anglais). Standalone mode : utilisez le composant de configuration correspondant au système de fichiers que votre cluster utilise, comme le tHDFSConfiguration Apache Spark Batch ou le tS3Configuration Apache Spark Batch (en anglais). Si vous utilisez Databricks sans composant de configuration dans votre Job, vos données métier sont écrites directement dans DBFS (Databricks Filesystem). Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie.

Règle d'utilisation

Ce composant est utilisé en standalone dans un sous-Job pour fournir la configuration de la connexion à Google BigQuery et Google Storage pour le Job complet.

Spark Connection

Dans l'onglet Spark Configuration de la vue Run, définissez 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 (Yarn Client ou Yarn Cluster) :
- Lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration.
- Lorsque vous utilisez HDInsight, spécifiez le blob à utiliser pour le déploiement du Job, dans la zone Windows Azure Storage configuration de l'onglet Spark configuration.
- Lorsque vous utilisez Altus, spécifiez le bucket S3 ou le stockage Azure Data Lake Storage (aperçu technique) pour le déploiement du Job, dans l'onglet Spark configuration.
- Lorsque vous utilisez Qubole, ajoutez tS3Configuration à votre Job pour écrire vos données métier dans le système S3 avec Qubole. Sans tS3Configuration, ces données métier sont écrites dans le système Qubole HDFS et détruites une fois que vous arrêtez votre cluster.
- Lorsque vous utilisez des distributions sur site (on-premises), utilisez le composant de configuration correspondant au système de fichiers utilisé par votre cluster. Généralement, ce système est HDFS et vous devez utiliser le tHDFSConfiguration (en anglais).
Standalone mode : utilisez le composant de configuration correspondant au système de fichiers que votre cluster utilise, comme le tHDFSConfiguration Apache Spark Batch ou le tS3Configuration Apache Spark Batch (en anglais).

Si vous utilisez Databricks sans composant de configuration dans votre Job, vos données métier sont écrites directement dans DBFS (Databricks Filesystem).

Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie.

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – faites-le-nous savoir.

Laissez vos commentaires ici