Advanced Transformer 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. Advanced Transformer 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、AdvancedTransformerDetail を指定する ProcessType 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. AdvancedTransformerConfiguration のインスタンスを作成することによって、Advanced Transformer ルールを設定します。
      このインスタンス内に、AbstractAdvancedTransformerRules タイプのインスタンスを追加します。この AbstractAdvancedTransformerRules インスタンスは、必要な Advanced Transformer ルール カテゴリに応じて TableDataExtraction または RegularExpressionExtraction 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. AdvancedTransformerDetail 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 AdvancedTransformerConfiguration 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 AdvancedTransformerDetail 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。
      • PARQUET 入力ファイルの場合、PARQUET 入力ファイルのパスを引数に指定して ParquetFilePath のインスタンスを作成します。
    5. AdvancedTransformerDetail インスタンスの outputPath 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。
      • PARQUET 出力ファイルの場合、PARQUET 出力ファイルのパスを引数に指定して ParquetFilePath のインスタンスを作成します。
    6. jobName インスタンスの AdvancedTransformerDetail フィールドを使用して、ジョブの名前を設定します。
  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 AdvancedTransformerDetail 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。