Propriétés du tWriteXMLFields pour Apache Spark Streaming

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

Le composant tWriteXMLFields Spark Streaming appartient à la famille Processus en cours.

La version Streaming de ce composant est disponible dans Talend Real Time Big Data Platform et dans Talend Data Fabric.

Basic settings

Output type	Sélectionnez le type de données à écrire en sortie dans le fichier cible. Les données sont de classe ByteArrays si vous sélectionnez byte[].
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. Le schéma de ce composant est en lecture seule. Vous pouvez cliquer sur Edit schema afin de visualiser le schéma. Lorsque le type de sortie est String, la colonne en lecture seule est messageContent. Cette colonne est utilisée pour fournir des chaînes de caractères aux composants de sortie, comme le tJMSOutput. Lorsque le type de sortie est byte, la colonne en lecture seule est serializedValue. Cette colonne est utilisée pour fournir des Byte Arrays aux composants de sortie, comme le tKafkaOutput. Vous pouvez voir le schéma de sortie et sa colonne en lecture seule en cliquant sur le lien Row > Output vers le composant suivant dans le même Job. Le schéma s'affiche dans l'onglet Basic settings de la vue Component.
Row tag	Spécifiez la balise entourant les données et la structure de chaque ligne.
Custom encoding	Il est possible de rencontrer des problèmes d'encodage lorsque vous traitez les données stockées. Dans ce cas, cochez cette case pour afficher la liste Encoding. Sélectionnez l'encodage à partir de la liste ou sélectionnez Custom et définissez-le manuellement. Ce champ est obligatoire pour la manipulation des données de base de données. Les encodages supportés dépendent de la JVM que vous utilisez. Pour plus d'informations, consultez https://docs.oracle.com (uniquement en anglais).

Advanced settings

Balises racine	Cochez cette case pour modifier le séparateur utilisé pour les nombres. Par défaut, le séparateur des milliers est une virgule (,) et le séparateur décimal est un point (.).
Output format	Définissez le format de sortie. Column : colonne récupérée du schéma d'entrée. As attribute : cochez la case des colonnes à utiliser comme attribut de l'élément parent dans la sortie XML. Note InformationsRemarque : Si la même colonne est sélectionnée dans la table Output format en tant qu'attribut et dans le paramètre Use dynamic grouping pour le regroupement dynamique, seul le paramètre de regroupement dynamique est pris en compte pour cette colonne. Use schema column name : par défaut, cette case est cochée pour toutes les colonnes, afin que les libellés des colonnes du schéma d'entrée soient utilisés comme balises pour entourer les données. Si vous souhaitez utiliser une balise différente de celle du schéma d'entrée pour une colonne, décochez cette case pour cette colonne et spécifiez un libellé de balise entre guillemets, dans le champ Label.
Use dynamic grouping	Cochez cette case si vous souhaitez regrouper dynamiquement les colonnes de sortie. Cliquez sur le bouton [+] pour ajouter un critère de regroupement dans la table Group by. Column : sélectionnez une colonne à utiliser comme élément pour entourer les lignes de sortie groupées. Attribute label : saisissez entre guillemets un attribut de libellé pour l'élément entourant le groupe.

Balises racine

Cochez cette case pour modifier le séparateur utilisé pour les nombres. Par défaut, le séparateur des milliers est une virgule (,) et le séparateur décimal est un point (.).

Output format

Définissez le format de sortie.

Column : colonne récupérée du schéma d'entrée.
As attribute : cochez la case des colonnes à utiliser comme attribut de l'élément parent dans la sortie XML.

Remarque :

Si la même colonne est sélectionnée dans la table Output format en tant qu'attribut et dans le paramètre Use dynamic grouping pour le regroupement dynamique, seul le paramètre de regroupement dynamique est pris en compte pour cette colonne.

Use schema column name : par défaut, cette case est cochée pour toutes les colonnes, afin que les libellés des colonnes du schéma d'entrée soient utilisés comme balises pour entourer les données. Si vous souhaitez utiliser une balise différente de celle du schéma d'entrée pour une colonne, décochez cette case pour cette colonne et spécifiez un libellé de balise entre guillemets, dans le champ Label.

Use dynamic grouping

Cochez cette case si vous souhaitez regrouper dynamiquement les colonnes de sortie. Cliquez sur le bouton [+] pour ajouter un critère de regroupement dans la table Group by.

Column : sélectionnez une colonne à utiliser comme élément pour entourer les lignes de sortie groupées.

Attribute label : saisissez entre guillemets un attribut de libellé pour l'élément entourant le groupe.

Utilisation

Règle d'utilisation	Ce composant est utilisé comme étape intermédiaire. Ce composant, ainsi que les composants Spark Streaming de la Palette à laquelle il appartient, s'affichent uniquement lorsque vous créez un Job Spark Streaming. 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 : 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 comme étape intermédiaire.

Ce composant, ainsi que les composants Spark Streaming de la Palette à laquelle il appartient, s'affichent uniquement lorsque vous créez un Job Spark Streaming.

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 :

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