バッチ集計

このオペレーターは、Spark MLLib のバッチ集計アルゴリズムを使用して、複数のカラムに対して集計を実行します。

情報一覧

ノート: このオペレーターは、TIBCO® Data Virtualization および Apache Spark 3.2 以降でのみ使用できます。

パラメーター	説明
カテゴリー	トランスフォーム
データソースタイプ	TIBCO® Data Virtualization
出力を他のオペレーターに送信	はい
データ処理ツール	TIBCO® DV, Apache Spark 3.2 以降

アルゴリズム

バッチ集計オペレーターは入力データセットを受け取り、複数のカラムに対して複数の集計を実行します。出力データセットの行は、[グループ・バイ] カラムによって決定される各グループの集計計算によって表されます。

入力

入力は単一の表形式のデータセットです。

欠落値または Null 値

集計の実行中または個別の値の数の計算中に、欠落値または Null 値をスキップします。

構成

次の表に、バッチ集計オペレーターの構成の詳細を示します。

パラメーター	説明
ノート	このオペレーターのパラメーター設定に関するメモまたは役立つ情報。 [ノート] フィールドに内容を入力すると、オペレーターに黄色のアスタリスクが表示されます。
グループ・バイ	入力データセット内のカラムを指定して、グループ・バイされた結果を決定します。 [カラムの選択] をクリックすると、分析に使用できる入力データセットからカラムを選択するためのダイアログが開きます。
最大値を見つける	各グループの各カラムの最大値。 [カラムの選択] をクリックすると、分析に使用できる入力データセットからカラムを選択するためのダイアログが開きます。
最小値を求める	各グループの各カラムの最小値。 [カラムの選択] をクリックすると、分析に使用できる入力データセットからカラムを選択するためのダイアログが開きます。
合計を計算する	各グループの各カラムの合計。
平均値の計算	各グループの各カラムの平均値。
分散の計算	各グループの各カラムの分散。実装とパフォーマンスの詳細については、「バッチ集計の集計方法」を参照してください。
標準偏差の計算	各グループの各カラムの標準偏差。実装とパフォーマンスの詳細については、「バッチ集計の集計方法」を参照してください。
DISTINCT の数を計算 (遅い)	各グループの各カラムの DISTINCT の値 (Null 値を除く) の数。実装とパフォーマンスの詳細については、「バッチ集計の集計方法」を参照してください。
中央値の計算 (遅い)	各グループの各カラムの中央値。実装とパフォーマンスの詳細については、「バッチ集計の集計方法」を参照してください。
カラム名の形式	出力のカラム名の先頭または末尾に集計タイプを追加するかどうかを指定します。使用可能なオプションはサフィックス (接尾辞) とプレフィックス (接頭辞) です。デフォルト: サフィックス
出力スキーマ	出力テーブルまたはビューのスキーマを指定します。
出力テーブル	結果の出力が生成されるテーブルのパスと名前を指定します。デフォルトでは、これはユーザー ID、ワークフロー ID、およびオペレーターに基づく一意のテーブル名です。
結果の保存	[はい] に設定すると、オペレーターは結果を保存します。 [いいえ] に設定すると、オペレーターは結果を保存しません。