Accéder au contenu principal Passer au contenu complémentaire

Propriétés du tFilterRow pour Apache Spark Batch

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

Le composant tFilterRow Spark Batch appartient à la famille Processus en cours.

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

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.

Logical operator used to combine conditions

Sélectionnez un opérateur logique afin de combiner des conditions simples et de combiner les résultats de filtre des deux modes si des conditions avancées ont été définies.

And : retourne la valeur booléenne true si toutes les conditions sont vraies. Sinon, retourne false. Pour chacune des deux conditions combinées à l'aide de l'opérateur logique AND, la seconde condition est évaluée uniquement si la première est true.

Or : retourne la valeur booléenne true si une condition est vraie. Sinon, retourne la valeur false. Pour les deux conditions combinées à l'aide de l'opérateur logique OR, la seconde condition est évaluée uniquement si la première est false.

Conditions

Cliquez sur le bouton [+] pour ajouter autant de conditions simples que nécessaire. Selon l'opérateur logique sélectionné, les conditions sont évaluées les unes après les autres en ordre séquentiel pour chaque ligne. Lorsqu'elles sont évaluées, les conditions retournent la valeur booléenne true ou false.

Input column : sélectionnez la colonne du schéma sur laquelle exécuter la fonction.

Function : sélectionnez une fonction dans la liste.

Operator : sélectionnez l'opérateur permettant de relier la colonne d'entrée et la valeur.

Value : renseignez la valeur filtrée, entre guillemets si besoin.

Use advanced mode

Cochez cette case lorsque les opérations à effectuer ne peuvent aboutir via les fonctions standards proposées, par exemple différentes opérations logiques dans le même composant. Dans le champ de texte, saisissez l'expression régulière selon vos besoins.

Si plusieurs conditions avancées sont définies, utilisez un opérateur logique entre deux conditions :

&& (opérateur logique AND) : retourne la valeur booléenne true si les deux conditions sont vraies, sinon retourne false. La seconde condition est évaluée uniquement si la première condition est true.

|| (opérateur logique OR) : retourne la valeur booléenne true si l'une des conditions est vraie, sinon, retourne false. La seconde condition est évaluée uniquement si la première est false.

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 :
  • 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.