Création d'un Job Spark

Dans la vue Repository, le Job Spark créé s'affiche automatiquement sous le nœud Big Data Batch, sous le nœud Job Designs.

Déposez depuis la Palette les composants à utiliser dans l'espace de modélisation graphique, reliez-les et configurez-les afin de créer un Job Spark, de la même manière que pour un Job standard. Vous devez également configurer la connexion au cluster Spark à utiliser dans l'onglet Spark configuration de la vue Run.

Vous pouvez répéter les mêmes opérations afin de créer un Job Spark Streaming. La seule différence est que vous devez sélectionner Create Big Data Streaming Job dans le menu contextuel après avoir cliqué-droit sur le nœud Job Designs et que vous devez sélectionner Spark Streaming dans la liste Framework de l'assistant [New Big Data Streaming Job] ouvert.

Après la création de votre Job Spark, vous pouvez réduire le temps d'exécution du Job via l'option lightweight dependencies (dépendances légères). Cette option réduit le nombre de bibliothèques aux seules bibliothèques Talend. Cela affecte donc la manière dont s'exécute le Job. Toutes les dépendances sont conservées mais ne sont pas envoyées au cluster lors de l'exécution. L'objectif est de prévenir les problèmes liés aux dépendances, aux signatures manquantes, aux versions de fichiers JAR erronées ou aux fichiers JAR manquants par exemple. Dans la vue Run, cliquez sur l'onglet Spark Configuration et cochez la case Use lightweight dependencies. Vous pouvez utiliser un autre classpath, différent de celui de Cloudera par défaut, en cochant la case Use custom classpath et en saisissant les Jar à utiliser, séparés par une virgule, au sein d'une expression régulière. Cette option est disponible pour les distributions suivantes :

• Amazon EMR 6.2.0
• Cloudera CDH 6.1.1 et autres versions 6.x compatibles via les distributions dynamiques
• Cloudera CDP 7.1.1 et autres versions 7.x compatibles via les distributions dynamiques

Notez qu'il est recommandé d'utiliser Spark Universal pour utiliser des JAR avec Talend 8. Pour plus d'informations, consultez Support des distributions Hadoop Spark Universal dans le Studio Talend.

Notez que, si vous devez exécuter votre Job Spark dans un mode différent du mode Local et dans une distribution différente de Universal, vous devez utiliser un composant de stockage de la famille Storage, comme le composant tHDFSConfiguration, au sein du Job, afin que Spark utilise ce composant pour se connecter au système de fichiers auquel les fichiers JAR dépendants du Job seront transférés.

Vous pouvez également créer ces types de Jobs en écrivant leur script dans la vue Jobscript puis en les générant à partir de ce script. Pour plus d'informations concernant l'utilisation des scripts de Jobs, consultez le Guide de référence des scripts de Jobs Talend.