Propriétés du tGSConfiguration dans Apache Spark Batch

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

Le composant tGSConfiguration Spark Batch appartient à la famille Stockage.

Le composant de ce framework est disponible dans tous les produits Talend avec Big Data nécessitant une souscription et dans Talend Data Fabric.

Basic settings

Lorsque vous utilisez ce composant avec Google Dataproc :

Google Storage bucket	Saisissez le nom du bucket à utiliser par le Job entier. Les composants de la famille File comme le tFileInputDelimited ou le tFileOutputDelimited utilisent les répertoires dans ce bucket. Par exemple, si vous saisissez `my_bucket` dans ce champ et `/user/ychen` dans le champ Folder du tFileInputDelimited, le tFileInputDelimited va lire les données depuis gs://my_bucket/user/ychen.

Google Storage bucket

Saisissez le nom du bucket à utiliser par le Job entier. Les composants de la famille File comme le tFileInputDelimited ou le tFileOutputDelimited utilisent les répertoires dans ce bucket.

Par exemple, si vous saisissez my_bucket dans ce champ et /user/ychen dans le champ Folder du tFileInputDelimited, le tFileInputDelimited va lire les données depuis gs://my_bucket/user/ychen.

Lorsque vous utilisez ce composant avec d'autres distributions :

Project ID	Saisissez l'ID de votre projet Google Cloud Platform. Si vous n'êtes pas certain de l'ID de votre projet, vérifiez dans la page Manage Resources de vos services Google Cloud Platform.
Google Storage bucket	Saisissez le nom du bucket à utiliser par le Job entier. Les composants de la famille File comme le tFileInputDelimited ou le tFileOutputDelimited utilisent les répertoires dans ce bucket. Par exemple, si vous saisissez `my_bucket` dans ce champ et `/user/ychen` dans le champ Folder du tFileInputDelimited, le tFileInputDelimited va lire les données depuis gs://my_bucket/user/ychen.
Use P12 credentials file format	Lorsque le fichier Google Credentials à utiliser est au format P12, cochez cette case et, dans le champ Service account Id qui s'affiche, saisissez l'ID du compte de service pour lequel le fichier Credentials P12 a été créé.
Path to Google Credentials file	Saisissez le chemin d'accès au fichier Credentials associé au compte utilisateur·rice à utiliser. Ce fichier doit être stocké sur la machine sur laquelle le Job Talend est actuellement lancé et exécuté. Si vous utilisez Talend JobServer pour exécuter votre Job, stockez le fichier Credentials sur la machine de Talend JobServer, sur laquelle le Job est lancé, mais également sur les machines worker du cluster Spark, sur lesquelles le Job est exécuté. Si vous n'utilisez pas Talend JobServer, stockez le fichier Credentials sur votre machine locale lorsque vous lancez le Job et sur les machines des workers du cluster Spark.

Global Variables

Variables globales	ERROR_MESSAGE : message d'erreur généré par le composant lorsqu'une erreur survient. Cette variable est une variable After et retourne une chaîne de caractères. Cette variable fonctionne uniquement si la case Die on error est décochée, lorsque le composant contient cette case. Une variable Flow fonctionne durant l'exécution d'un composant. Une variable After fonctionne après l'exécution d'un composant. Pour renseigner un champ ou une expression à l'aide d'une variable, appuyez sur les touches Ctrl+Espace pour accéder à la liste des variables. À partir de cette liste, vous pouvez choisir la variable que vous souhaitez utiliser. Pour plus d'informations concernant les variables, consultez Utiliser les contextes et les variables.

Variables globales

ERROR_MESSAGE : message d'erreur généré par le composant lorsqu'une erreur survient. Cette variable est une variable After et retourne une chaîne de caractères. Cette variable fonctionne uniquement si la case Die on error est décochée, lorsque le composant contient cette case.

Une variable Flow fonctionne durant l'exécution d'un composant. Une variable After fonctionne après l'exécution d'un composant.

Pour renseigner un champ ou une expression à l'aide d'une variable, appuyez sur les touches Ctrl+Espace pour accéder à la liste des variables. À partir de cette liste, vous pouvez choisir la variable que vous souhaitez utiliser.

Pour plus d'informations concernant les variables, consultez Utiliser les contextes et les variables.

Utilisation

Usage rule	Vous pouvez utiliser plusieurs composants tGSConfiguration dans un même Job pour fournir la configuration de connexion à Google Storage. Par exemple, utiliser deux composants tGSConfiguration dans un Job vous permet d'utiliser différents buckets Google Storage avec différents identifiants. Pour utiliser deux composants tGSConfiguration, vous devez configurer les bonnes autorisations dans Google Storage console > Bucket > Permissions > Roles. Par exemple, si vous utilisez : project-1234 avec userX@project-1234.iam.gserviceaccount.com et userX_bucket project-4567 avec userY@project-4567.iam.gserviceaccount.com et userY_bucket Vous devez : ajouter userX@project-1234.iam.gserviceaccount.com comme Storage Admin à userY_bucket et pointer vers project-4567 ajouter userY@project-4567.iam.gserviceaccount.com comme Storage Admin à userX_bucket et pointer vers project-4567 Pour plus d'informations concernant les autorisations IAM, consultez la documentation Google Storage documentation. À partir de la version R2022-12 du Studio Talend 8.0, le tGSConfiguration supporte Spark Universal en mode Local et Databricks sur Google Cloud Platform.
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 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. 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. 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.

Usage rule

Vous pouvez utiliser plusieurs composants tGSConfiguration dans un même Job pour fournir la configuration de connexion à Google Storage.

Par exemple, utiliser deux composants tGSConfiguration dans un Job vous permet d'utiliser différents buckets Google Storage avec différents identifiants. Pour utiliser deux composants tGSConfiguration, vous devez configurer les bonnes autorisations dans Google Storage console > Bucket > Permissions > Roles.

Par exemple, si vous utilisez :

project-1234 avec userX@project-1234.iam.gserviceaccount.com et userX_bucket
project-4567 avec userY@project-4567.iam.gserviceaccount.com et userY_bucket

Vous devez :

ajouter userX@project-1234.iam.gserviceaccount.com comme Storage Admin à userY_bucket et pointer vers project-4567
ajouter userY@project-4567.iam.gserviceaccount.com comme Storage Admin à userX_bucket et pointer vers project-4567

Pour plus d'informations concernant les autorisations IAM, consultez la documentation Google Storage documentation.

À partir de la version R2022-12 du Studio Talend 8.0, le tGSConfiguration supporte Spark Universal en mode Local et Databricks sur Google Cloud Platform.

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 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.
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.

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