設定ファイル
これらの表には、Joiner ジョブを実行する前に指定する必要があるパラメータと値が記載されています。
注: ここでは、Joinier ジョブに 3 つの入力ファイルがあると想定して説明を行っています。ただし、ジョブには任意の数の入力ファイルを使用できます。
| パラメータ | 説明 |
|---|---|
| pb.bdq.input.type | 入力ファイルの種類。値は TEXT、ORC、PARQUET のいずれかです。 |
| これらの行では、1 つ目の入力ファイルの詳細について説明しています。 | |
| pb.bdq.inputfile.path.0 | 入力ファイルを HDFS 上に置いたパス。例: /home/hduser/input/input0.txt |
| textinputformat.record.delimiter.0 | テキスト タイプの入力ファイルで使用されるファイル レコード区切り文字。例えば、LINUX、MACINTOSH、またはWINDOWS |
| pb.bdq.inputformat.field.delimiter.0 | カンマ (,) またはタブなど、入力ファイルで使用されるフィールドまたは列の区切り文字。 |
| pb.bdq.inputformat.text.qualifier.0 | 入力ファイルの列またはフィールドのテキスト修飾子 (存在する場合)。 |
| pb.bdq.inputformat.file.header.0 | カンマで区切られた値としての列ヘッダー。例えば、business name、id、domain。 |
| pb.bdq.inputformat.skip.firstrow.0 | 最初の行をスキップするかどうか。値は True または False です。True はスキップを示します。 |
| これらの行では、2 つ目の入力ファイルの詳細について説明しています。 | |
| pb.bdq.inputfile.path.1 | 入力ファイルを HDFS 上に置いたパス。例: /home/hduser/input/input1.txt |
| textinputformat.record.delimiter.1 | テキスト タイプの入力ファイルで使用されるファイル レコード区切り文字。例えば、LINUX、MACINTOSH、またはWINDOWS |
| pb.bdq.inputformat.field.delimiter.1 | カンマ (,) またはタブなど、入力ファイルで使用されるフィールドまたは列の区切り文字。 |
| pb.bdq.inputformat.text.qualifier.1 | 入力ファイルの列またはフィールドのテキスト修飾子 (存在する場合)。 |
| pb.bdq.inputformat.file.header.1 | カンマで区切られた値としての列ヘッダー。例えば、business name、id、domain。 |
| pb.bdq.inputformat.skip.firstrow.1 | 最初の行をスキップするかどうか。値は True または False です。True はスキップを示します。 |
| これらの行では、3 つ目の入力ファイルの詳細について説明しています。 | |
| pb.bdq.inputfile.path.2 | 入力ファイルを HDFS 上に置いたパス。例: /home/hduser/input/input2.txt |
| textinputformat.record.delimiter.2 | テキスト タイプの入力ファイルで使用されるファイル レコード区切り文字。例えば、LINUX、MACINTOSH、またはWINDOWS |
| pb.bdq.inputformat.field.delimiter.2 | カンマ (,) またはタブなど、入力ファイルで使用されるフィールドまたは列の区切り文字。 |
| pb.bdq.inputformat.text.qualifier.2 | 入力ファイルの列またはフィールドのテキスト修飾子 (存在する場合)。 |
| pb.bdq.inputformat.file.header.2 | カンマで区切られた値としての列ヘッダー。例えば、business name、id、domain。 |
| pb.bdq.inputformat.skip.firstrow.2 | 最初の行をスキップするかどうか。値は True または False です。True はスキップを示します。 |
| パラメータ | 説明 |
|---|---|
| pb.bdq.job.type | これは、ジョブを定義する定数値です。このジョブの値は、Joiner です。 |
| pb.bdq.job.name | ジョブの名前。デフォルトは JoinerSample です。 |
| com.pb.bdq.dim.join.left.port | 左ポートの入力ファイル インデックスを定義する JSON 文字列。 |
| com.pb.bdq.dim.join.type | 実行する結合操作のタイプを指定します。次のオプションがあります。
|
| com.pb.bdq.dim.join.col.0 | 結合する列をカンマ (,) で区切って指定します。 |
| com.pb.bdq.dim.join.col.1 | 結合する列をカンマ (,) で区切って指定します。 |
| com.pb.bdq.dim.join.col.2 | 結合する列をカンマ (,) で区切って指定します。 |
| MapReduce 設定パラメータを指定します。 |
|---|
| ジョブでの必要性に応じて、mapreduce.map.memory.mb、mapreduce.reduce.memory.mb、mapreduce.map.speculative などの MapReduce パラメータをカスタマイズします。 注: このファイルは MapReduce ジョブでのみ使用します。 |
| パラメータ | 説明 |
|---|---|
| pb.bdq.output.type | 出力が TEXT、ORC、または PARQUET 形式の場合に指定します。 |
| pb.bdq.outputfile.path | HDFS で出力ファイルを生成するパス。例: /user/hduser/sampledata/joiner/output |
| pb.bdq.outputformat.field.delimiter | カンマ (,) またはタブなどの出力ファイルのフィールドまたは列の区切り文字。 |
| pb.bdq.output.overwrite | 値が true のとき、出力フォルダはジョブが実行されるたびに上書きされます。 |
| pb.bdq.outputformat.headerfile.create | 出力ファイルにヘッダーが必要な場合は、true を指定します。 |
| Parquet ファイルのプロパティ | |
| parquet.compression | ページの圧縮に使用する圧縮アルゴリズム。UNCOMPRESSED、SNAPPY、GZIP、LZO のいずれかを指定します。 デフォルトは UNCOMPRESSED です。 |
| parquet.block.size | メモリにバッファリングされる行グループのサイズ。 値を大きくするほど読み込み時の I/O が向上しますが、書き込み時のメモリ消費が大きくなります。 デフォルトのサイズは 134217728 バイト (= 128 * 1024 * 1024) です。 |
| parquet.page.size | ページはブロックを構成し、単一レコードにアクセスするために完全に読み込む必要がある最小単位です。 デフォルトのサイズは 1048576 バイト (= 1 * 1024 * 1024) です。 注: ページ サイズが小さすぎると、圧縮に支障が生じます。 |
| parquet.dictionary.page.size | デフォルトのサイズは 1048576 バイト (= 1 * 1024 * 1024) です。 |
| parquet.enable.dictionary | 辞書エンコーディングの有効または無効を指定する boolean 値 (True または False)。デフォルトは True です。 |
| parquet.validation | デフォルトの boolean 値は False です。 |
| parquet.writer.version | Writer のバージョンを指定します。PARQUET_1_0 または PARQUET_2_0 を指定する必要があります。デフォルトは PARQUET_1_0 です。 |
| parquet.writer.max-padding | デフォルト設定は、パディングなし、行グループ サイズの 0% です。 |
| parquet.page.size.check.estimate | デフォルトの boolean 値は True です。 |
| parquet.page.size.row.check.min | デフォルト値は 100 です。 |
| parquet.page.size.row.check.max | デフォルト値は 10000 です。 |