Nano Hash - криптовалюты, майнинг, программирование

Как вставить задержку в генератор trow в talend

Я новичок в talend. Я использую генератор trow для подготовки тестовых данных и подталкиваю их к теме kafka. Я использую trowgenerator->tmap->twritejsonfield->data_type_conversion->kafkaoutput. Теперь я хочу добавить некоторую задержку при получении данных из генератора строк в kafka для каждых 100 записей.

Я использовал tsleep, но я получаю задержку для каждой записи.

Как этого добиться, пожалуйста, помогите мне

talend
18.03.2020

  • не могли бы вы опубликовать скриншот вашей работы с tSleep, пожалуйста? 18.03.2020

Ответы:


1

Если это возможно с вашим генератором, вы можете использовать цикл с задержкой и каждый раз генерировать 100 строк:

tloop -> tsleep -> trowgenerator -> tmap -> ...

01.04.2020
  • Спасибо за ваш ответ. Но я хочу сгенерировать 1 крор строк с уникальным столбцом. Например, я хочу сгенерировать данные в 1 крор от emp_id 1 до emp_id 10000000. Если я каждый раз генерирую 100 строк, тогда я получаю emp_id 1- 100 только каждый раз в каждом цикле. 03.04.2020
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..