Propriétés du tBigQueryInput pour Apache Spark Batch

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

Le composant tBigQueryInput Spark Batch appartient à la famille 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

Source type	Sélectionnez la manière dont vous souhaitez que le tBigQueryInput lise les données de Google BigQuery : `Table` : copie la table entière. `Query` : écrit une requête pour sélectionner les données.
Schema et Edit Schema	Un schéma est une description de lignes. Il définit le nombre de champs (colonnes) à traiter et à passer au composant suivant. Lorsque vous créez un Job Spark, évitez le mot réservé `line` lors du nommage des champs. Créez le schéma en cliquant sur le bouton Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles : View schema : sélectionnez cette option afin de voir uniquement 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.
	Built-in : le schéma est créé et conservé localement pour ce composant seulement.
	Repository : le schéma existe déjà et est stocké dans le Repository. Ainsi, il peut être réutilisé dans des Jobs et projets.

Lorsque Source type est configuré à Table :

Project ID	Si votre service Google BigQuery utilise l'ID du projet Google Cloud Platform, laissez cette case décochée pour permettre au tBigQueryInput de lire cet ID depuis l'onglet Spark configuration ou depuis le composant tBigQueryConfiguration. Si le service Google BigQuery utilise un ID personnalisé, cochez cette case et saisissez l'ID. L'ID de votre projet se trouve dans l'URL de la console de l'API Google ou en passant votre curseur sur le nom du projet dans BigQuery Browser Tool.
Dataset	Saisissez le nom du jeu de données auquel la table à copier appartient. 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.
Table	Saisissez le nom de la table à copier.

Project ID

Si votre service Google BigQuery utilise l'ID du projet Google Cloud Platform, laissez cette case décochée pour permettre au tBigQueryInput de lire cet ID depuis l'onglet Spark configuration ou depuis le composant tBigQueryConfiguration.

Si le service Google BigQuery utilise un ID personnalisé, cochez cette case et saisissez l'ID.

L'ID de votre projet se trouve dans l'URL de la console de l'API Google ou en passant votre curseur sur le nom du projet dans BigQuery Browser Tool.

Dataset

Saisissez le nom du jeu de données auquel la table à copier appartient.

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.

Table

Saisissez le nom de la table à copier.

Lorsque Source type est configuré à Query :

Query	Saisissez la requête à utiliser. 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. Si la requête à utiliser est l'héritage SQL de BigQuery, cochez cette case Use legacy SQL. Pour plus d'informations concernant cet héritage SQL, consultez Legacy SQL query reference (uniquement en anglais) dans la documentation Google BigQuery (en anglais).

Query

Saisissez la requête à utiliser.

Si la requête à utiliser est l'héritage SQL de BigQuery, cochez cette case Use legacy SQL. Pour plus d'informations concernant cet héritage SQL, consultez Legacy SQL query reference (uniquement en anglais) dans la documentation Google BigQuery (en anglais).

Utilisation

Règle d'utilisation	Ce composant est un composant d'entrée. Il envoie les données extraites de BigQuery au composant le suivant. Placez un composant tBigQueryConfiguration dans le même Job pour utiliser les informations de connexion à BigQuery fournies par le tBigQueryConfiguration.
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 un composant d'entrée. Il envoie les données extraites de BigQuery au composant le suivant.

Placez un composant tBigQueryConfiguration dans le même Job pour utiliser les informations de connexion à BigQuery fournies par le tBigQueryConfiguration.

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