Apache Spark BatchのtFileOutputXML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tFileOutputXMLを設定するために使われます。
Spark BatchのtFileOutputXMLコンポーネントは、ファイルファミリーとXML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
|
[Define a storage configuration component] (ストレージ設定コンポーネントを定義) |
HDFSなどのターゲットファイルシステムへの接続の設定情報を提供するために使用する設定コンポーネントを選択します。 このチェックボックスをオフにすると、ターゲットファイルシステムはローカルシステムになります。 使用する接続設定は同じジョブ内にあることが必要です。たとえば、tHDFSConfigurationコンポーネントをジョブにドロップした場合は、このコンポーネントを選択して、所定のHDFSシステム内で結果を書き込むことができます。 |
|
[Property type] (プロパティタイプ) |
[Built-in] (組み込み)と[Repository] (リポジトリー)のいずれかです。 |
|
|
[Built-In] (組み込み): 一元的に保存されるプロパティデータはありません。 |
|
このアイコンをクリックすると、データベース接続ウィザードが開き、コンポーネント[Basic settings] (基本設定)ビューに設定したデータベース接続パラメーターが保存されます。 データベース接続パラメーターの設定と保管の詳細は、Talend Studioユーザーガイドをご覧ください。 |
|
|
[Repository] (リポジトリー): プロパティが保存されているリポジトリーファイルを選択します。 プロパティは、[Repository] (リポジトリー)ツリーの[Hadoop Cluster] (Hadoopクラスター)ノードに一元的に保存されます。 後続するフィールドは、取得されたデータを使用して事前に入力されます。 [Hadoop Cluster] (Hadoopクラスター)ノードの詳細は、Getting Started Guideをご覧ください。 |
|
[Row tag] (行タグ) |
行ごとにデータとストラクチャーをラップするタグを指定します。 |
|
[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。 |
|
フォルダー |
ファイルシステムで使用するデータを参照するか、パスを入力します。 このパスは、ファイルではなくフォルダーを指している必要があります。 参照用のボタンはSpark Localモードでは機能しません。お使いのディストリビューションでStudioがサポートしているその他のSpark Yarnモードを使用している場合は、同じジョブ内の設定コンポーネント(tHDFSConfigurationなど)で接続を正しく設定したことを確認する必要があります。使用されるファイルシステムに応じて設定コンポーネントを使用します。 |
|
[Action] (アクション) |
データを書き込む操作を選択します。 [Create] (作成): ファイルを作成してデータを書き込みます。 [Overwrite] (上書き): [Folder] (フォルダー)フィールドで指定されたディレクトリーに存在するファイルを上書きします。 |
|
[Compress the data] (データを圧縮) |
[Compress the data] (データの圧縮)チェックボックスをオンにすると、出力データが圧縮されます。 |
詳細設定
| [Root tags] (ルートタグ) |
1つ以上のルートタグを指定して、出力ファイルのストラクチャーとデータ全体をラップします。デフォルトのルートタグはrootです。 |
| Output format (出力形式) |
出力フォーマットを定義します。
情報メモ注:
同じカラムが[Output format] (出力フォーマット)テーブルで属性として、[Use dynamic grouping] (動的グルーピングの使用)設定で動的グルーピングの条件として、その両方で選択されている場合、そのカラムには動的グループ設定のみが有効になります。 [Use schema column name] (スキーマカラム名を使用): デフォルトでは、このチェックボックスはすべてのカラムに対してオンになっているため、入力スキーマのカラムラベルがデータラッピングタグとして使われます。カラムの入力スキーマとは異なるタグを使う場合は、そのカラムのこのチェックボックスをオフにし、[Label] (ラベル)フィールドで引用符の間にタグラベルを指定します。 |
|
[Use dynamic grouping] (動的グルーピングを使う) |
出力カラムを動的にグルーピングする場合は、このチェックボックスを選択します。[+]ボタンをクリックして、1つ以上のグルーピング基準を[Group by] (グループ基準)テーブルに追加します。 [Column] (カラム): グルーピングされた出力行のラップエレメントとして使うカラムを選択します。 [Attribute] (属性ラベル): グループラップエレメントの属性ラベルを引用符の間に入力します。 |
|
[Custom encoding] (カスタムエンコーディング) |
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。このフィールドはデータベースデータ処理の必須フィールドです。サポートされるエンコーディングは、使用しているJVMに応じて異なります。詳細は、https://docs.oracle.com (英語のみ)をご覧ください。 |
|
[Advanced separator (for numbers)] (詳細区切り文字: 数値) |
数値に使用する区切りを変更するには、このチェックボックスをオンにします。 [Thousands separator] (3桁区切り): 数字3桁の区切り文字を定義します。 [Decimal separator] (小数点区切り): 小数点の区切り文字を定義します。 |
| [Use local timezone for date] (日付にローカルタイムゾーンを使用) | ジョブが実行されるコンピューターのローカルな日付を使用する場合は、このチェックボックスを選択します。このチェックボックスをオフのままにしておくと、日付タイプのデータ形式にUTCが自動的に使用されます。 |
使用方法
|
使用ルール |
このコンポーネントは、終了コンポーネントとして使用され、入力リンクを必要とします。 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。 |