Propriétés du tSample pour Apache Spark Batch
Ces propriétés sont utilisées pour configurer le tSample s'exécutant dans le framework de Jobs Spark Batch.
Le composant tSample 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 :
|
Sampling with replacement |
Cochez cette case pour effectuer un échantillonnage avec remplacement pour rendre indépendant chaque résultat d'échantillonnage. Si cette case est décochée, l'échantillonnage se fait sans remplacement. |
Sampling fraction |
Saisissez un ratio pour la taille de l'échantillon à traiter. Par exemple, saisissez 0.1. Le ratio des données de l'échantillon par rapport au total de données traitées est de 10 %. |
Use a seed for random number generator |
Saisissez un nombre positif de graine (le nombre qui commence une séquence aléatoire de nombres générés) afin de pouvoir reproduire le même échantillon. |
Utilisation
Règle d'utilisation |
Ce composant est un composant intermédiaire passant des échantillons d'ensembles de données au composant suivant. Vous devez être familiarisé avec les statistiques et l'échantillonnage. 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. |
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 :
Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie. |