Sparkモードの選択
使用するSparkモードに応じて、ジョブをSparkモードにできます。
Sparkドキュメンテーションの「Spark設定 (英語のみ)」には、Sparkプロパティとそのデフォルト値の包括的なリストがあります。StudioでデザインしたSparkジョブでは、[Spark configuration] (Spark設定)タブ、またはジョブで使用するコンポーネントで明示的に定義したプロパティを除いて、このデフォルト設定が使用されます。
手順
- [Run] (実行)をクリックしてビューを開き、[Spark configuration] (Spark設定)タブをクリックして、Spark接続を設定するビューを開きます。
-
[Use local mode] (ローカルモードを使用)チェックボックスをオンにしてジョブをローカルでテストします。
ローカルモードでは、ジョブを実行するためのSpark環境がStudioによって即座に構築されます。計算の実行のために、ローカルマシンの各プロセッサーがSparkワーカーとして使用されます。
このモードでは、ローカルファイルシステムが使われます。したがって、リモートファイルシステムへの接続情報を提供するtS3ConfigurationやtHDFSConfigurationなどのコンポーネントがジョブ内に配置されている場合は、これらの設定コンポーネントを無効にします。
これ以上は何も設定せずにジョブを起動できます。
-
[Use local mode] (ローカルモードを使用)チェックボックスをオフにして、利用可能なHadoopディストリビューションのリストを表示し、使用するSparkクラスターに相当するディストリビューションをこのリストから選択します。
ディストリビューションには以下が含まれます:
-
このディストリビューションについてはTalendでは以下がサポートされます:
-
Yarnクライアント
-
Yarnクラスター
-
-
このディストリビューションについてはTalendでは以下がサポートされます:
-
スタンドアロン
-
Yarnクライアント
-
Yarnクラスター
-
-
このディストリビューションについてはTalendでは以下がサポートされます:
-
Yarnクライアント
-
-
このディストリビューションについてはTalendでは以下がサポートされます:
-
Yarnクライアント
-
Yarnクラスター
-
-
このディストリビューションについてはTalendでは以下がサポートされます:
-
スタンドアロン
-
Yarnクライアント
-
Yarnクラスター
-
-
このディストリビューションについてはTalendでは以下がサポートされます:
-
Yarnクラスター
-
-
Cloudera Altus
このディストリビューションについてはTalendでは以下がサポートされます:-
Yarnクラスター
Altusクラスターは、以下のクラウドプロバイダーで実行する必要があります:-
Azure
AzureでAltusがサポートされるのは、テクニカルプレビュー機能になります。
-
AWS
-
-
データはAvroに依存してコンポーネント間のデータ移動を行っているので、Kryoを使ってAvroタイプを処理するようお使いのクラスターを設定することをお勧めします。これによってAvroに関するこの既知の問題 (英語のみ)を回避できるだけでなく、本来のパフォーマンス向上も実現できます。お使いのクラスターで設定が必要なSparkプロパティは:spark.serializer org.apache.spark.serializer.KryoSerializerこのドロップダウンリストで対応するディストリビューションが見つからなければ、接続したいディストリビューションをTalendが公式にはサポートしていないことを意味します。その場合、[Custom] (カスタム)を選択してから、接続するクラスターの[Spark version] (Sparkバージョン)を選択し、[+]ボタンをクリックして、表示されるダイアログボックスで以下の選択を行います:
-
[Import from existing version] (既存のバージョンからインポート)を選択すると、正式にサポートされているディストリビューションをベースとしてインポートしてから、ベースディストリビューションで提供されていない他の必要なjarファイルを追加できます。
-
[Import from zip] (zipからインポート)を選択すると、使用するカスタムディストリビューションの設定zipファイルをインポートできます。Zipファイルには、Hadoop/Sparkの各種エレメントのライブラリーおよびライブラリーのインデックスファイルを含める必要があります。
Talend Exchangeでは、 Talend コミュニティのメンバーがすぐに使える設定用zipファイルが共有されており、[Hadoop configuration] (Hadoop設定) (英語のみ)リストからダウンロードして接続に直接利用できます。ただし、さまざまなHadoop関連のプロジェクトが継続的に進展しているため、このリストから対応するディストリビューションの設定Zipが見つからないことがあります。その場合は、[Import from existing version] (既存のバージョンからインポート)オプションを使って、既存のディストリビューションをベースとして取得し、ディストリビューションに必要なjarを追加することをお勧めします。
Talendはカスタムバージョンを公式にサポートしていません。 Talend とそのコミュニティでは、Studioからカスタムバージョンに接続するための方法を紹介していますが、選択したバージョンの設定がスムーズに機能するかどうかは不明です。したがって、HadoopとSparkの経験が豊富でどのような問題でも自力で解決できない限り、そのような接続を設定することはお勧めしません。
カスタムディストリビューションの接続方法、および接続の共有方法のステップ例は、Hortonworksをご覧ください。