Table Lookup Spark ジョブの使用

  1. DataNormalizationFactoryのインスタンスを、その静的メソッド getInstance() を使用して作成します。
  2. Table Lookup ジョブの入力と出力の詳細を指定します。以下の手順に従って、ProcessType を指定する TableLookupDetail のインスタンスを作成することによって、これを行います。このインスタンスは、SparkProcessType タイプを使用する必要があります。
    1. TableLookupConfigurationのインスタンスを作成することによって、Table Lookup ルールを設定します。このインスタンスの中で、次の操作を行います。
      AbstractTableLookupRuleタイプのインスタンスを追加します。この AbstractTableLookupRuleインスタンスは、必要な Table Lookup ルール カテゴリに応じて Standardize,Categorize または Identify のいずれかのクラスを用いて定義する必要があります。
    2. ReferenceDataPathのインスタンスを作成することによって、リファレンス データ パスと場所のタイプの詳細を設定します。列挙 ReferenceDataPathLocationを参照してください。
    3. TableLookupDetail のインスタンスを作成します。JobConfig タイプのインスタンスと、上で作成した TableLookupConfiguration と ReferenceDataPath のインスタンスを、コンストラクタの引数として渡します。
      JobConfig パラメータは、SparkJobConfig タイプのインスタンスである必要があります。
    4. inputPathインスタンスの TableLookupDetail フィールドを使用して、入力ファイルの詳細を設定します。
      テキスト入力ファイルの場合は、適切なコンストラクタを呼び出して、関連する詳細な入力ファイル情報を指定してFilePathのインスタンスを作成します。ORC 入力ファイルの場合、ORC 入力ファイルのパスを引数に指定して OrcFilePathのインスタンスを作成します。
    5. outputPathインスタンスの TableLookupDetail フィールドを使用して、出力ファイルの詳細を設定します。
      テキスト出力ファイルの場合は、適切なコンストラクタを呼び出して、関連する詳細な出力ファイル情報を指定してFilePathのインスタンスを作成します。ORC 出力ファイルの場合、ORC 出力ファイルのパスを引数に指定して OrcFilePathのインスタンスを作成します。
    6. jobNameインスタンスの TableLookupDetail フィールドを使用して、ジョブの名前を設定します。
    7. compressOutputインスタンスの TableLookupDetail フラグに true を設定して、ジョブの出力を圧縮します。
  3. Spark ジョブを作成して実行するには、先ほど作成した DataNormalizationFactory のインスタンスを使用してそのメソッド runSparkJob() を呼び出します。ここで、上の TableLookupDetail のインスタンスを引数として渡します。
    runSparkJob() メソッドはジョブを実行し、ジョブのレポート カウンタの Map を返します。
  4. カウンタを表示することにより、ジョブに対する統計レポートを表示します。