tReservoirSamplingの標準プロパティ

[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。

  ジョブで接続されている先行コンポーネントからスキーマを取得するには、[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。

[Sample Size] (サンプルサイズ)

入力フローからサンプリングする行数を設定します。

[Seed for random generator] (ランダムジェネレーターをシード)

1つのジョブを複数回実行する場合に同じサンプルを抽出する場合は、ランダムな数値を設定するために使われます。

シードに異なる値を指定して実行を繰り返すと、別のデータサンプルが生成されます。

ジョブを実行するたびに別のデータサンプルを抽出する場合は、このフィールドを空のままにしておきます。

[tStat Catcher Statistics] (tStatCatcher統計)

このチェックボックスを選択すると、コンポーネントレベルでログデータを収集できます。

使用ルール

このコンポーネントでは、サンプルデータを対象にテストプロファイリング分析を行い、フルデータセットの結果と似た結果を得ることができます。

tReservoirSamplingは現在のところ、Map/Reduceジョブには使用できません。