Alteryx DesignerにてHive データを、データプレパレーション・データブレンディング・分析

Hive 用のCData ODBCドライバは、ODBC標準のHive からのライブデータへのアクセスを可能にし、使い慣れたSQL クエリで多種多様なBI、レポート、ETL ツールでHive を扱うことができます。 この記事では、セルフサービスBI、データプレパレーション、データブレンディング、アドバンスドアナリティクスを得意とするAlteryx Designer でODBC 接続を使用してHiveに接続して利用する方法を示します。

Hive データへの接続

1. まだ行っていない場合は、データソース名（DSN）に必要な接続プロパティの値を入力します。 組み込みのMicrosoft ODBC データソースアドミニストレーターを使用してDSN を構成できます。 これは、ドライバのインストールじの最後のステップでも可能です。 Microsoft ODBC データソースアドミニストレータを使用してDSN を作成および設定する方法については、ヘルプドキュメントの「はじめに」の章を参照してください。
   
   

   Apache Hive への接続を確立するには以下を指定します。

   • Server：HiveServer2 をホストするサーバーのホスト名またはIP アドレスに設定。
   • Port：HiveServer2 インスタンスへの接続用のポートに設定。
   • TransportMode：Hive サーバーとの通信に使用するトランスポートモード。有効な入力値は、BINARY およびHTTP です。デフォルトではBINARY が選択されます。
   • AuthScheme：使用される認証スキーム。有効な入力値はPLAIN、LDAP、NOSASL、およびKERBEROS です。デフォルトではPLAIN が選択されます。
   • 本製品においてTLS/SSL を有効化するには、UseSSL をTrue に設定します
2. Alteryx Designer を開いて新しいワークフローを作成します。
3. 新しいInput Data ToolをWorkflowにドラッグ＆ドロップします。
4. 新しい input data toolをクリックして、File or Database 下の「Database Connection -> New ODBC Connection...」を選択します。
5. Alteryx用に定義下設定済みDSNを選択します。
6. 開かれたウィザードの中で、クエリーに含めたいフィールドを選択します。

Hive 内のデータを要件にあった内容で正確に取得しているかを確認する場合には、SQLEditor を開き、クエリーを手動で変更することができます。

クエリー定義で、Alteryx Designer 内でHive への接続の準備ができました。

Hive に対するセルフサービス分析の実行

これで、Hive のデータプレパレーション、ブレンディング、分析を行うワークフローを作成する準備が整いました。 以下の例では、データを整理して参照します。

1. workflow にデータクレンジングツールを追加し、Null テキストフィールドをブランクに置き換え、ヌル数値フィールドを0に置き換えるには、NULL を置き換えるのボックスをオンにします。また、不要な文字を削除するにチェックを入れて先頭と末尾の空白を削除することもできます。
2. workflow にbrowse data tool を追加します。
3. run the workflow (CTRL+R) をクリック。
4. 結果ビューにてクレンジングされたHive データを確認します。