Apache Spark StreamingのtFlumeInputプロパティ
これらのプロパティは、Spark Streamingジョブのフレームワークで実行されているtFlumeInputを設定するために使われます。
Spark StreamingのtFlumeInputコンポーネントは、メッセージングファミリーに属しています。
このコンポーネントのストリーミングバージョンは、Talend Real Time Big Data PlatformおよびTalend Data Fabricで利用できます。
基本設定
[Host] (ホスト)と[Port] (ポート) |
Flumeからデータを受信するためのシンク(Flumeエージェントのチャネルにバインドされたデータ出力ポイント)として使われるマシンのホスト名とポートを入力します。
|
[Type] (タイプ) |
Flumeからデータを読み取る方法を選択します。
これら2つのアプローチの詳細は、https://spark.apache.org/docs/1.3.1/streaming-flume-integration.html (英語のみ)をご覧ください。 |
[Schema] (スキーマ)と[Edit schema] (スキーマを編集) |
スキーマとは行の説明のことです。処理して次のコンポーネントに渡すフィールド(カラム)数を定義します。Sparkジョブを作成する場合、フィールドの命名時は予約語のlineを避けます。 [Built-in] (組み込み): そのコンポーネントに対してのみスキーマを作成し、ローカルに保管します。 [Repository] (リポジトリー): スキーマは作成済みで、リポジトリーに保管されています。さまざまなプロジェクトやジョブデザインで再利用できます。 この読み取り専用lineカラムはtFlumeInputによって使われ、入力Flumeイベントの本体を自動的に抽出し、同じイベントのヘッダーを保管するために使われる他のカラムとともにRDDを構築します。 |
詳細設定
[Encoding] (エンコーディング) |
リストからエンコーディングを選択するか、[CUSTOM] (カスタム)を選択して、手動で定義します。 このエンコーディングは、tFlumeInputが入力イベント配列をデコードするために使います。 |
使用方法
使用ルール |
このコンポーネントは、開始コンポーネントとして使用され、出力リンクを必要とします。 ランタイムにtFlumeInputコンポーネントは、シンクをリッスンし続け、このシンクにバッファリングされると新しいイベントを読み取ります。 このコンポーネントは、所属するSpark Streamingのコンポーネントのパレットと共に、Spark Streamingジョブを作成している場合にだけ表示されます。 特に明記していない限り、このドキュメントのシナリオでは、標準ジョブ、つまり従来の Talend データ統合ジョブだけを扱います。 |
[Spark Connection] (Spark接続) |
[Run] (実行)ビューの[Spark configuration] (Spark設定)タブで、ジョブ全体でのSparkクラスターへの接続を定義します。また、ジョブでは、依存jarファイルを実行することを想定しているため、Sparkがこれらのjarファイルにアクセスできるように、これらのファイルの転送先にするファイルシステム内のディレクトリーを指定する必要があります。
この接続は、ジョブごとに有効になります。 |
制限事項 |
ライセンスの互換性の問題のため、このコンポーネントの使用に必要な1つ以上のJARが提供されていません。この特定のコンポーネントに不足しているJARをインストールするには、Component (コンポーネント)タブビューの[Install] (インストール)ボタンをクリックします。Studioの Integration パースペクティブの[Modules] (モジュール)タブでも、不足しているすべてのJARを簡単に見つけて追加できます。詳細は、外部モジュールのインストールをご覧ください。外部モジュールをインストールする方法は、Talend Help Center (https://help.talend.com (英語のみ))をご覧ください。 |