メイン コンテンツをスキップする 補完的コンテンツへスキップ

Apache Spark BatchのtElasticSearchInput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tElasticSearchInputを設定するために使われます。

Spark BatchtElasticSearchInputコンポーネントは、ElasticSearchファミリーに属しています。

このコンポーネントは、ビッグデータ対応のすべてのTalend製品およびTalend Data Fabricで使用できます。

基本設定

[Schema] (スキーマ)[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。

このコンポーネントによって出力されるデータのスキーマ、id_documentjson_documentは読み取り専用です。json_documentカラムには、ElasticSearchから読み取られたドキュメントの本文が含まれます。このjson_documentカラムからデータを探索する必要がある場合は、tExtractJSONFieldsを使って、使用するデータを抽出する必要があります。

[Use an existing configuration] (既存の設定を使用)

定義済みの接続の詳細を再利用する場合は、このチェックボックスを選択して、[Component List] (コンポーネントリスト)ドロップダウンリストから、目的の接続コンポーネントを選択します。

[Nodes] (ノード)

使用するElasticsearchシステムをホストしているクラスターのロケーションを入力します。

Index

ドキュメントの読み取り先とするインデックスの名前を入力します。

インデックスは、Elasticsearchシステム内のストレージにおける最大のユニットです。

Type (タイプ)

読み取るドキュメントが属するタイプの名前を入力します。

たとえば、blogpost_enblogpost_frをそれぞれ、指定された英語のブログ投稿とフランス語のブログ投稿を表す2つのタイプにできます。

ドキュメントタイプとする指定カラムの値を動的に使うことができます。そうする必要がある場合は、そのカラムの名前を波かっこ({})内に入力します(サンプル: {blog_author})。

クエリー

このコンポーネントによって実行するElasticsearchクエリーを入力します。

クエリーの編集では、Elasticsearchによって要求される構文とJavaによって要求されるエスケープ文字を使い、クエリーを二重引用符で囲む必要があります。

たとえば、Elasticsearchのドキュメンテーションでのクエリー例は次のようになります。
es.query = { "query" : { "term" : { "user" : "costinl" } } }
この[Query] (クエリー)フィールドには、同じクエリーを次のように書き込む必要があります。
"{ \"query\" : { \"term\" : {\"user\" : \"costinl\" } } }"

詳細設定

SSL/TLSの使用

SSLまたはTLS暗号化接続を有効にする場合は、このチェックボックスを選択します。

次に、同じジョブ内のtSetKeyStoreコンポーネントを使用して暗号化情報を指定する必要があります。

設定

アクションをさらにカスタマイズするには、Elasticsearchで受け入れられているパラメーターを追加します。

たとえば[Key] (キー)カラムにes.mapping.idと、[Value] (値)カラムにtrueとそれぞれ入力し、ドキュメントのフィールド/プロパティ名にドキュメントIDが含まれるようにします。入力する情報は二重引用符で囲む必要があります。

使えるパラメーターのリストは、https://www.elastic.co/guide/en/elasticsearch/hadoop/master/configuration.htmlをご覧ください。

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。

tElasticSearchConfigurationコンポーネントを同じジョブに配置して、Elasticsearchに接続させます。次に、[Use an existing configuration] (既存の設定を使う)チェックボックスをオンにして、使用するtElasticSearchConfigurationコンポーネントを選択する必要があります。
  • TalendのコンポーネントでサポートされているElasticsearchのバージョンは、Spark Streamingジョブでは6.4.xで、Spark Batchジョブでは7.xと8.xです。

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。
  • Yarnモード(YarnクライアントまたはYarnクラスター):
    • Google Dataprocを使用している場合、[Spark configuration] (Spark設定)タブの[Google Storage staging bucket] (Google Storageステージングバケット)フィールドにバケットを指定します。

    • HDInsightを使用している場合、[Spark configuration] (Spark設定)タブの[Windows Azure Storage configuration] (Windows Azure Storage設定)エリアでジョブのデプロイメントに使用するブロブを指定します。

    • Altusを使用する場合は、[Spark configuration] (Spark設定)タブでジョブのデプロイにS3バケットまたはAzure Data Lake Storageを指定します。
    • オンプレミスのディストリビューションを使用する場合は、クラスターで使われているファイルシステムに対応する設定コンポーネントを使用します。一般的に、このシステムはHDFSになるため、tHDFSConfigurationを使用します。

  • [Standalone mode] (スタンドアロンモード): クラスターで使われているファイルシステム(tHDFSConfiguration Apache Spark BatchtS3Configuration Apache Spark Batchなど)に対応する設定コンポーネントを使用します。

    ジョブ内に設定コンポーネントがない状態でDatabricksを使用している場合、ビジネスデータはDBFS (Databricks Filesystem)に直接書き込まれます。

この接続は、ジョブごとに有効になります。

このページは役に立ちましたか?

このページまたはコンテンツにタイポ、ステップの省略、技術的エラーなどの問題が見つかった場合はお知らせください。