Propriétés du tAggregateRow pour Apache Spark Batch
Ces propriétés sont utilisées pour configurer le tAggregateRow s'exécutant dans le framework de Jobs Spark Batch.
Le composant tAggregateRow Spark Batch appartient à la famille Processus en cours.
Le composant de ce framework est disponible dans tous les produits Talend 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. Créez le schéma en cliquant sur le bouton Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles :
Note InformationsConseil : Par défaut, lorsque Spark agrège des BigDecimal, la précision et l'échelle sont configurées aux valeurs maximales du type de données. Vous pouvez modifier léchelle et la précision pour le type BigDecimal dans les colonnes correspondantes du schéma.
|
|
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. |
Group by |
Définissez les ensembles d'agrégation, dont les valeurs sont utilisées pour les calculs. |
|
Output Column : sélectionnez le libellé de colonne dans la liste fournie, basée sur la structure de schéma que vous avez définie. Vous pouvez ajouter autant de colonnes de sortie que vous le souhaitez, afin d'effectuer des agrégations plus précises. Exemple : Sélectionnez Country (Pays) pour calculer la moyenne des valeurs pour chaque pays ou sélectionnez Country et Region pour comparer les résultats des régions d'un pays par rapport aux régions d'un autre pays. |
|
Input Column : faites le lien entre les libellés des colonnes d'entrée et ceux des colonnes de sortie, dans le cas où vous souhaitez que les libellés du schéma de sortie soient différents du schéma d'entrée. |
Operations |
Sélectionnez le type d'opération et la valeur à utiliser pour le calcul et le champ de sortie. |
|
Output Column : sélectionnez le champ de destination dans la liste. |
Function : sélectionnez l'opérateur parmi :
Certaines fonctionnalités disponibles dans un Job ETL traditionnel, comme first ou last, ne sont pas disponibles dans les Jobs Spark, car ces fonctionnalités ne sont pas utiles dans un environnement distribué. |
|
|
Input column : sélectionnez la colonne d'entrée à partir de laquelle les valeurs sont récupérées avant d'être agrégées. |
|
Ignore null values : cochez cette case devant le nom de toutes les colonnes pour lesquelles vous voulez que les valeurs nulles soient ignorées. |
Advanced settings
Use financial precision, this is the max precision for "sum" and "avg" operations, checked option heaps more memory and slower than unchecked. |
Sélectionnez cette case pour utiliser la précision financière. C'est une précision maximale, mais qui consomme plus de mémoire et rend le processus plus lent. Note InformationsAvertissement :
Il est conseillé d'utiliser le type BigDecimal en sortie avec cette option, afin d'obtenir des résultats précis. |
Check type overflow (slower) |
Vérifie les types des données afin d'éviter que le Job ne plante. |
Check ULP (Unit in the Last Place), ensure that a value will be incremented or decremented correctly, only float and double types. (slower) |
Cochez cette case afin d'avoir la meilleure précision possible pour les types Float et Double. |
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. 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. |
Connexion à Spark |
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. |