Apache Spark BatchのtBigQueryInputプロパティ
これらのプロパティは、Spark Batchジョブのフレームワークで実行されているtBigQueryInputを設定するために使われます。
Spark BatchのtBigQueryInputコンポーネントは、データベースファミリーに属しています。
このフレームワーク内のコンポーネントは、ビッグデータ対応のTalend 製品すべて、およびTalend Data Fabricで使用できます。
基本設定
ソースタイプ |
Google BigQueryからtBigQueryInputでデータに読み取る方法を選択します。
|
[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。 スキーマを変更するには[Edit schema] (スキーマを編集)をクリックします。現在のスキーマがリポジトリータイプの場合は、3つのオプションを利用できます。
|
|
[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。 |
[Source type] (ソースタイプ)が[Table] (テーブル)の場合:
[Project ID] (プロジェクトID) |
Google BigQueryサービスでGoogle Cloud PlatformプロジェクトIDが使用される場合、このチェックボックスをオフにして、tBigQueryInputで[Spark configuration] (Sparkの設定)タブまたはtBigQueryConfigurationコンポーネントからこのIDを読み取れるようにします。 Google BigQueryサービスでカスタムIDを使用する場合は、このチェックボックスをオンにしてIDを入力します。 プロジェクトのIDは、Google API ConsoleのURL、またはBigQuery Browser Toolでプロジェクト名にマウスを重ねると表示されます。 |
[Dataset] (データセット) |
コピーするテーブルのデータセットの名前を入力します。 Google Cloud PlatformでGoogle BigQueryをDataprocで使用する場合は、Dataprocクラスターの実行と同じ領域をBigQueryデータセットとして選択します。 |
[Table] (テーブル) |
コピーするテーブルの名前を入力します。 |
[Source type] (ソースタイプ)が[Query] (クエリー)の場合:
[Query] (クエリー) |
使用するクエリーを入力します。 Google Cloud PlatformでGoogle BigQueryをDataprocで使用する場合は、Dataprocクラスターの実行と同じ領域をBigQueryデータセットとして選択します。 使用するクエリーがBigQueryのレガシーSQLである場合は、この[Use legacy SQL] (レガシーSQLを使用)チェックボックスをオンにします。このレガシーSQLについては、Google BigQueryのドキュメンテーションでLegacy SQL query reference (英語のみ)をご覧ください。 |
使用方法
使用ルール |
これは入力コンポーネントです。BigQueryから抽出されたデータを、続くコンポーネントに送信します。 tBigQueryConfigurationによって提供される BigQuery設定情報を使用する必要があるため、同じジョブにtBigQueryConfigurationコンポーネントを配置します。 |
[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。 |