ETL/ELT のEmbulk を使ってAzure Data Catalog データをDB にロードする方法

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

Azure Data Catalog JDBC Driver

Azure Data Catalog データに連携するJava アプリケーションを素早く、簡単に開発できる便利なドライバー。



OSS のETL/ELT ツールEmbulk のJDBC Plugin を使って、Azure Data Catalog 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 Azure Data Catalog を使って、Azure Data Catalog 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。

Embulk でCData JDBC Driver for Azure Data Catalog データをロード

  • CData JDBC Driver for Azure Data Catalog 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 Azure Data Catalog 2019J\lib\cdata.jdbc.azuredatacatalog.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
  • embulk gem install 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-mysql embulk gem install embulk-output-mysql
  • config ファイルを作成し、Azure Data Catalog -> MySQL のジョブを作成します。azuredatacatalog-mysql.yml というファイル名で作成しました。
  •             
                    in:
                        type: jdbc
                        driver_path: C:\Program Files\CData\CData JDBC Driver for Azure Data Catalog 2019J\lib\cdata.jdbc.azuredatacatalog.jar
                        driver_class: cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver
                        url: jdbc:azuredatacatalog:InitiateOAuth=REFRESH
                        table: "Tables"
                    out: 
                        type: mysql
                        host: localhost
                        database: DatabaseName
                        user: UserId
                        password: UserPassword
                        table: "Tables"
                        mode: insert
                
            
  • ポイントはJDBC URLです。

    You can optionally set the following to read the different catalog data returned from Azure Data Catalog.

      CatalogName: Set this to the CatalogName associated with your Azure Data Catalog. To get your Catalog name, navigate to your Azure Portal home page > Data Catalog > Catalog Name

    Connect Using OAuth Authentication

    You must use OAuth to authenticate with Azure Data Catalog. OAuth requires the authenticating user to interact with Azure Data Catalog using the browser. For more information, refer to the OAuth section in the help documentation.

  • テーブル名は取得したいテーブル名を入れます。
  • これで準備完了です。あとは「embulk run」で実行するだけです。
  • embulk run azuredatacatalog-mysql.yml
  • 実行後、MySQL Workbenchからテーブルを確認してみると、データが取得できているはずです。

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 Azure Data Catalog 2019J\lib\cdata.jdbc.azuredatacatalog.jar
            driver_class: cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver
            url: jdbc:azuredatacatalog:InitiateOAuth=REFRESH
                query: "SELECT DslAddressDatabase, Type FROM Tables WHERE [RecordId] = 1"
            out: 
                type: mysql
                host: localhost
                database: DatabaseName
                user: UserId
                password: UserPassword
                table: "Tables"
                mode: insert
        
    

CData JDBC Driver for Azure Data Catalog をEmbulk で使うことで、Azure Data Catalog 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。