Propriétés du tCompareColumns pour Apache Spark Batch
Ces propriétés sont utilisées pour configurer le tCompareColumns s'exécutant dans le framework de Jobs Spark Batch.
Le composant tCompareColumns Spark Batch appartient à la famille Traitement du langage naturel.
Le composant de ce framework est disponible dans tous les produits Talend Platform avec Big Data 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) à traiter et à passer au composant suivant. Lorsque vous créez un Job Spark, évitez le mot réservé line lors du nommage des champs. Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job. Créez le schéma en cliquant sur le bouton Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles :
En fonction des algorithmes définis dans la table Comparison options, ajoutez autant de colonnes que nécessaire au schéma de sortie :
|
|
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. |
Comparison options |
Dans cette table, configurez les règles de comparaison entre des termes individuels dans deux colonnes. La colonne spécifiée dans Main column contient les termes individuels à comparer aux termes individuels de références présents dans la colonne Reference column. Dans la colonne Algorithms, sélectionnez l'algorithme à utiliser pour chaque comparaison :
Output column(s) : spécifiez les colonnes qui contiennent les résultats de la comparaison dans le schéma de sortie. |
Utilisation
Règle d'utilisation |
Ce composant est utilisé comme étape intermédiaire. Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch. |
Connexion à Spark Batch |
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 :
Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie. |