Propriétés du tTopBy pour Apache Spark Batch
Ces propriétés sont utilisées pour configurer le tTopBy s'exécutant dans le framework de Jobs Spark Batch.
Le composant tTopBy 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. Créez le schéma en cliquant sur le bouton Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles :
Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job. |
|
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. |
Number of line selected |
Saisissez le nombre de lignes à écrire en sortie. Le composant courant sélectionne ce nombre de lignes en partant des premières données triées. |
Key |
Sélectionnez les colonnes desquelles les enregistrements sont utilisés pour regrouper les données d'entrée. Cliquez sur le bouton [+] pour ajouter autant de lignes que nécessaire pour utiliser les clés afin de terminer le regroupement. |
Criteria |
Cliquez sur le bouton [+] pour ajouter autant de lignes que nécessaire pour terminer le tri. |
|
Dans la colonne Schema column, sélectionnez la colonne du schéma sur laquelle baser le tri. Notez que l'ordre est important car il détermine la priorité de tri. |
|
Dans les autres colonnes, sélectionnez comment trier les données. Par exemple, si vous devez trier les données par ordre alphabétique ascendant (de A à Z), sélectionnez alpha et asc dans les colonnes correspondantes. |
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. |