Apache Spark BatchのtDataShuffling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tDataShufflingを設定するために使われます。
Spark BatchのtDataShufflingコンポーネントは、データクオリティファミリーに属しています。
このフレームワークのコンポーネントは、すべてのビッグデータ対応のTalendプラットフォーム製品およびTalend Data Fabricで利用できます。
基本設定
プロパティ | 説明 |
---|---|
[Schema] (スキーマ)と[Edit Schema] (スキーマを編集) |
|
[Shuffling columns] (カラムのシャッフル) |
シャッフルするカラムのグループを定義します:
|
詳細設定
プロパティ | 説明 |
---|---|
[Seed for random generator] (ランダムジェネレーターをシード) |
ジョブの実行ごとに同じ順序でデータをシャッフルする場合は、乱数を設定します。シードはデフォルトでは設定されません。 シードを設定しないと、コンポーネントが各ジョブの実行に対して新しいランダムシードを作成します。このフィールドに異なる値を指定して実行を繰り返すと、別の順序でデータがシャッフルされます。 |
[Partitioning columns] (カラムのパーティショニング) |
データのパーティショニングに使用するカラムを追加します。 選択されたカラムは、シャッフルプロセスで小さなパーティションに分割されます。パーティション内の行のみシャッフルできます。 |
使用方法
使用方法のガイダンス | 説明 |
---|---|
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、このドキュメンテーションのシナリオでは、標準ジョブ、つまり従来の Talend Data Integration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。 |