Redshift へのMicrosoft Dataverse データのETL パイプラインを作ってデータを統合する方法

こんにちは！プロダクトスペシャリストの宮本です。

CData Sync は、数百のSaaS / DB のデータをRedshift をはじめとする各種DB / データウェアハウスにノーコードで統合・レプリケーション（複製）が可能なデータパイプラインツールです。本記事では、Microsoft Dataverse データをCData Sync を使ってRedshift に統合するデータパイプラインを作っていきます。Redshift は、オンプレミスのRedshift のほかAWS RDS やGoogle Cloud SQL などクラウド上のRedshift にもレプリケーションが可能です。

CData Sync とは？

CData Sync は、レポーティング、アナリティクス、機械学習、AI などで使えるよう、社内のデータを一か所に統合して管理できるデータ基盤をノーコードで構築できるETL ツールで、以下の特徴を持っています。

1. Microsoft Dataverse をはじめとする数百種類のSaaS / DB データに対応
2. Redshift など多くのRDB、データレイク、データストア、データウェアハウスに同期可能
3. 業務データのデータ分析基盤へのETL / ELT 機能に特化し、極限まで設定操作をシンプルに
4. 主要なSaaS データの差分更新やCDC（Change Data Capture、変更データキャプチャ）のサポート
5. フレキシブルなSQL での取得データの操作

CData Sync では、1.データソースとしてMicrosoft Dataverse の接続を設定、2.同期先としてRedshift の接続を設定、3.Microsoft Dataverse からRedshift へのレプリケーションジョブの作成、という3つのステップだけでレプリケーション処理を作成可能です。以下に具体的な設定手順を説明します。

1.データソースとしてMicrosoft Dataverse の接続を設定

まずはじめに、CData Sync のブラウザ管理コンソールにログインします。CData Sync のインストールをまだ行っていない方は本記事の製品リンクからCData Sync をクリックして、30日の無償トライアルとしてCData Sync をインストールしてください。インストール後にCData Sync が起動して、ブラウザ設定画面が開きます。

それでは、データソース側にMicrosoft Dataverse を設定していきましょう。左の［接続］タブをクリックします。

1. ［＋接続の追加］ボタンをクリックします。
2. ［データソース］タブを選択して、リスト表示されるデータソースを選ぶか、検索バーにデータソース名を入力して、Microsoft Dataverse を見つけます。
3. Microsoft Dataverse の右側の［→］をクリックして、Microsoft Dataverse アカウントへの接続画面を開きます。もし、Microsoft Dataverse のコネクタがデフォルトでCData Sync にインストールされていない場合には、ダウンロードアイコン（コネクタのアップロードアイコン）をクリックし、［ダウンロード］をクリックすると、CData Sync にコネクタがインストールされます。
4. 接続プロパティにMicrosoft Dataverse に接続するアカウント情報を入力をします。
   

   ユーザー資格情報の接続プロパティを設定せずに接続できます。接続に最小限必要な接続プロパティは、以下のとおりです。

   • InitiateOAuth: GETANDREFRESH に設定します。
   • OrganizationUrl: 接続先の組織のURL、例えばhttps://organization.crm.dynamics.com などに設定。
   • Tenant (optional): デフォルトと異なるテナントに認証したい場合は、これを設定します。これは、デフォルトのテナントに所属していない組織と連携するために必要です。

   接続すると、CData 製品はデフォルトブラウザでOAuth エンドポイントを開きます。ログインして、CData 製品にアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。

5. ［作成およびテスト］をクリックして、正しくMicrosoft Dataverse に接続できているかをテストして保存します。これでレプリケーションのデータソースとしてMicrosoft Dataverse への接続が設定されました。

2.同期先としてRedshift の接続を設定

次に、Microsoft Dataverse データを書き込む先（＝同期先）として、Redshift を設定します。同じく［接続］タブを開きます。

1. ［＋接続の追加］ボタンをクリックします。
2. ［同期先］タブを選択して、リスト表示されるデータソースを選ぶか、検索バーにデータソース名を入力して、Redshift を見つけます。
3. Redshift の右側の［→］をクリックして、Redshift データベースへの接続画面を開きます。もし、Redshift のコネクタがデフォルトでCData Sync にインストールされていない場合には、ダウンロードアイコン（コネクタのアップロードアイコン）をクリックし、［ダウンロード］をクリックすると、CData Sync にコネクタがインストールされます。
4. 必要な接続プロパティを入力します。Amazon Redshift との接続には、以下のプロパティが必要です:
   • Server: 接続するDatabase をホストしているクラスタのホスト名もしくはIP アドレス。
   • Port: クラスタのポート。
   • Database: データベース名。認証ユーザーのデフォルトのデータベースを使う場合には、空欄でOK。
   • User: Server に認証するユーザー。.
   • Password: Server に認証するユーザーのpassword。

   AWS Management Console でこれらの接続プロパティの値を取得できます:

   1. Amazon Redshift console を開きます。
   2. Clusters ページでクラスタ名をクリックします。
   3. Configuration タブで、Cluster Database Properties セクションでプロパティを取得します。接続プロパティはODBC URL でセットするプロパティと同様です。

5. ［作成およびテスト］をクリックして、正しく接続できているかをテストします。
6. これで同期先としてRedshift を設定できました。CData Sync では、Redshift のデータベース名を指定するだけで、同期するMicrosoft Dataverse に併せたテーブルスキーマを自動的にCREATE TABLE してくれます。同期データに合わせたテーブルを事前に作成するなどの面倒な手順は必要ありません。もちろん、既存テーブルにマッピングを行いデータ同期を行うことも可能です。

3.Microsoft Dataverse からRedshift へのレプリケーションジョブの作成

CData Sync では、レプリケーションをジョブ単位で設定します。ジョブは、Microsoft Dataverse からRedshift という単位で設定し、複数のテーブルを含むことができます。レプリケーションジョブ設定には、［ジョブ］タブに進み、［＋ジョブを追加］ボタンをクリックします。

［ジョブを追加］画面が開き、以下を入力します：

1. 名前：ジョブの名前
2. データソース：ドロップダウンリストから先に設定したMicrosoft Dataverse を選択
3. 同期先：先に設定したRedshift を選択

すべてのオブジェクトをレプリケーションする場合

Microsoft Dataverse のすべてのオブジェクト / テーブルをレプリケーションするには、［種類］セクションで［すべて同期］を選択して、［ジョブを追加］ボタンで確定します。

作成したジョブ画面で、右上の［▷実行］ボタンをクリックするだけで、全Microsoft Dataverse テーブルのRedshift への同期を行うことができます。

オブジェクトを選択してレプリケーションする場合

Microsoft Dataverse から特定のオブジェクト / テーブルを選択してレプリケーションを行うことが可能です。［種類］セクションでは、［標準（個別設定）］を選んでください。

次に［ジョブ］画面で、［タスク］タブをクリックし、［タスクを追加］ボタンをクリックします。

するとCData Sync で利用可能なオブジェクト / テーブルのリストが表示されるので、レプリケーションを行うオブジェクトにチェックを付けます（複数選択可）。［ジョブを追加］ボタンで確定します。

作成したジョブ画面で、［▷実行］ボタンをクリックして（もしくは各タスク毎の実行ボタンを押して）、レプリケーションジョブを実行します。

このようにとても簡単にMicrosoft Dataverse からRedshift への同期を行うことができました。

CData Sync の主要な機能を試してみる：スケジューリング・差分更新・ETL

ジョブのスケジュール起動設定

CData Sync では、同期ジョブを1日に1回や15分に1回などのスケジュール起動をすることができます。ジョブ画面の［概要］タブから［スケジュール］パネルを選び、［⚙設定］ボタンをクリックします。［間隔］と同期時間の［毎時何分］を設定し、［保存］を押して設定を完了します。これでCData Sync が同期ジョブをスケジュール実行してくれます。ユーザーはダッシュボードで同期ジョブの状態をチェックするだけです。

差分更新

CData Sync では、主要なデータソースでは、差分更新が可能です。差分更新では、最後のジョブ実行時からデータソース側でデータの追加・変更があったデータだけを同期するので、レプリケーションのクエリ・通信のコストを圧倒的に抑えることが可能です。

差分更新を有効化するには、ジョブの［概要］タブから「差分更新」パネルを選び、［⚙設定］ボタンをクリックします。［開始日］と［レプリケーション間隔］を設定して、［保存］します。

SQL での取得データのカスタマイズ

CData Sync は、デフォルトではMicrosoft Dataverse のオブジェクト / テーブルをそのままRedshift に複製しますが、ここにSQL、またはdbt 連携でのETL 処理を組み込むことができます。テーブルカラムが多すぎる場合や、データ管理の観点から一部のカラムだけをレプリケーションしたり、さらにデータの絞り込み（フィルタリング）をしたデータだけをレプリケーションすることが可能です。

ジョブの［概要］タブ、［タスク］タブへと進みます。選択されたタスク（テーブル）の［▶］の左側のメニューをクリックし、［編集］を選びます。タスクの編集画面が開きます。

UI からカラムを選択する場合には、［カラム］タブから［マッピング編集］をクリックします。レプリケーションで使用しないカラムからチェックを外します。

SQL を記述して、フィルタリングなどのカスタマイズを行うには、［クエリ］タブをクリックし、REPLICATE ［テーブル名］の後に標準SQL でフィルタリングを行います。

Microsoft Dataverse からRedshift へのデータ同期には、ぜひCData Sync をご利用ください

このようにノーコードで簡単にMicrosoft Dataverse データをRedshift にレプリケーションできます。データ分析、AI やノーコードツールからのデータ利用などさまざまな用途でCData Sync をご利用いただけます。30日の無償トライアルで、シンプルでパワフルなデータパイプラインを体感してください。

日本のユーザー向けにCData Sync は、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。

CData Sync の 導入事例を併せてご覧ください。