Apache Spark BatchのtTopBy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tTopByを設定するために使われます。
Spark BatchのtTopByコンポーネントは、変換処理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
|
[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。
ジョブで接続している先行コンポーネントからスキーマを取得するためには、[Sync columns] (カラムを同期)をクリックします。 |
|
|
[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。 |
|
[Number of line selected] (行数を指定) |
出力する行数を入力します。現在のコンポーネントは、ソートされたデータの最初の行からこの行数を選択します。 |
|
キー |
レコードが入力データをグルーピングするためのキーとして使われるカラムを選択します。 グルーピングを完了するには、キーとして使う必要がある行を追加するために、[+]を必要な行数分の回数、クリックする必要があります。 |
|
[Criteria] (基準) |
[+]をクリックして、ソートを完了するためにいくつでも必要な数の行を追加します。 |
|
|
[Schema column] (スキーマカラム)カラムで、ソートの基準とするカラムをスキーマから選択します。順序は極めて重要です。ソートの優先度は順序で決まるからです。 |
|
|
他のカラムで、データのソート方法を選択します。たとえば、データをアルファベットの昇順(AからZ)にソートする必要がある場合は、対応するカラムでalphaとascを選択します。 |
使用方法
|
使用ルール |
このコンポーネントは、中間ステップとして使用されます。 このコンポーネントは、所属するSpark Batchのコンポーネントのパレットと共に、Spark Batch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。 |