OSS のETL/ELT ツールEmbulk のJDBC Plugin を使って、HPCC Systems データを簡単にDM に同期する方法。
Embulk は、大量のデータをDB、クラウドデータストア、DWH にロードできるオープンソースETL ツールです。近頃のトレンドでは、1社で複数のオンプレアプリやSaaS を使っており、データ分析にはETL/ELT ツールを使ってデータを丸ごとDB/DWH にロードしてから、分析やビジュアライズをすることが主流になっています。Embulk には、いろいろなプラグインがあり、多様なInput とOutput 処理をサポートしています。この記事では、Embulk のJDBC Input Plugin と CData Drivers for HPCC Systems を使って、HPCC Systems のデータを簡単にDB にロードします。この例ではロード先のDB にはMySQL を使います。

※製品について詳しい情報をご希望の方は以下からお進みください。
- HPCC Systems にほかのBI、ETL、開発ツールから接続したい:HPCC Systems データ連携ガイドおよびチュートリアルのリストへ
- HPCC Systems Drivers について詳細を知りたい:ドライバー詳細情報ページへ
- ほかのデータソースに連携したい:CData Drivers 一覧へ
- ドライバーの30日の無償トライアル版を使いたい:トライアル版ダウンロードページへ
- 製品の利用やライセンスについて相談したい:sales@cdata.co.jp までメールにてご相談ください。
Embulk でCData JDBC Driver for HPCC Systems データをロード
- CData JDBC Driver for HPCC Systems をEmbulk と同じマシンにインストールします。
-
以下のパスにJDBC Driver がインストールされます。後ほどこのパスを使います。
C:\Program Files\CData\CData JDBC Driver for HPCC Systems 2019J\lib\cdata.jdbc.hpcc.jar
- 次に、EmbulkとCData JDBC Driverをつなぎこむための、JDBC Input Plugin をインストールします。
https://github.com/embulk/embulk-input-jdbc/tree/master/embulk-input-jdbc - 今回はロード先DB としてMySQL を使います。ほかにもSQL Server、PostgreSQL、Google BigQuery などを使うことも可能です。
https://github.com/embulk/embulk-output-jdbc/tree/master/embulk-output-mysqlembulk gem install embulk-output-mysql
- config ファイルを作成し、HPCC Systems -> MySQL のジョブを作成します。hpcc-mysql.yml というファイル名で作成しました。
embulk gem install embulk-input-jdbc
in:
type: jdbc
driver_path: C:\Program Files\CData\CData JDBC Driver for HPCC Systems 2019J\lib\cdata.jdbc.hpcc.jar
driver_class: cdata.jdbc.hpcc.HPCCDriver
url: jdbc:hpcc:URL=http://127.0.0.1:8510;User=test;password=xA123456;Version=1;Cluster=hthor;
table: "hpcc::test::orders"
out:
type: mysql
host: localhost
database: DatabaseName
user: UserId
password: UserPassword
table: "hpcc::test::orders"
mode: insert
接続するには、次の接続プロパティを設定します。Url をサーバーのマシン名もしくはIP アドレス、およびサーバーが起動しているポートに設定します。例えば、https://server:port。Url で指定されたHPCC システムへの認証には、User およびPassword が必要です。LDAP 認証は、現在サポートされていません。
Version をWsSQL Web サーバーのバージョンに設定します。HPCC サーバーにWsSQL サービスをインストールしておく必要があることに注意してください。本製品は、HPCC システムへの連携にWsSQL Web サービスを使います。
Cluster をターゲットクラスタに設定します。
embulk run hpcc-mysql.yml
クエリ条件でフィルタリングしたデータのロード
ちなみに、上記の例ではテーブル名を直接指定しましたが、以下のようにSQL Queryを書いてもいいです。 Where句で作成日や修正日を指定すれば、最新のデータだけを対象にすることも可能です。
in:
type: jdbc
driver_path: C:\Program Files\CData\CData JDBC Driver for HPCC Systems 2019J\lib\cdata.jdbc.hpcc.jar
driver_class: cdata.jdbc.hpcc.HPCCDriver
url: jdbc:hpcc:URL=http://127.0.0.1:8510;User=test;password=xA123456;Version=1;Cluster=hthor;
query: "SELECT CustomerName, Price FROM hpcc::test::orders WHERE [RecordId] = 1"
out:
type: mysql
host: localhost
database: DatabaseName
user: UserId
password: UserPassword
table: "hpcc::test::orders"
mode: insert
CData JDBC Driver for HPCC Systems をEmbulk で使うことで、HPCC Systems コネクタとして機能し、簡単にデータを取得して同期することができました。ぜひ、30日の無償評価版 をお試しください。