Alteryx Designer でAzure Data Lake Storage データを準備、ブレンディング、分析する

こんにちは！ドライバー周りのヘルプドキュメントを担当している古川です。

CData ODBC Driver for ADLS はODBC 標準のAzure Data Lake Storage からのリアルタイムデータへのアクセスを可能にし、使い慣れたSQL クエリを用いて、さまざまなBI、レポート、ETL ツールでAzure Data Lake Storage データを直接扱うことができます。この記事では、Alteryx Designer でODBC 接続を使ってAzure Data Lake Storage データに接続し、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から高度な分析までを実行する方法を紹介します。

CData ODBC ドライバーには最適化されたデータ処理が組み込まれており、Alteryx Designer でリアルタイムAzure Data Lake Storage データを扱う上で高いパフォーマンスを提供します。Alteryx Designer からAzure Data Lake Storage にSQL クエリを発行すると、CData ドライバーはフィルタや集計などのAzure Data Lake Storage 側でサポートしているSQL 操作をAzure Data Lake Storage に直接渡し、サポートされていない操作（主にSQL 関数とJOIN 操作）は組み込みSQL エンジンを利用してクライアント側で処理します。組み込みの動的メタデータクエリを使用すると、ネイティブのAlteryx データフィールド型を使ってAzure Data Lake Storage データを可視化および分析できます。

CData ODBC ドライバとは？

CData ODBC ドライバは、以下のような特徴を持った製品です。

1. Azure Data Lake Storage をはじめとする、CRM、MA、会計ツールなど多様なカテゴリの270種類以上のSaaS / オンプレデータソースに対応
2. 多様なアプリケーション、ツールにAzure Data Lake Storage データを連携
3. ノーコードでの手軽な接続設定
4. 標準SQL での柔軟なデータ読み込み・書き込み

CData ODBC ドライバでは、1.データソースとしてAzure Data Lake Storage の接続を設定、2.Alteryx Designer 側でODBC Driver との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。

CData ODBC ドライバのインストールとAzure Data Lake Storage への接続設定

まずは、本記事右側のサイドバーからADLS ODBC Driver の無償トライアルをダウンロード・インストールしてください。30日間無償で、製品版の全機能が使用できます。

1. 必要な接続プロパティの値がまだ未設定の場合は、データソース名（DSN）を設定します。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ってDSN を構成できます。これは、ドライバーのインストール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ーを使って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」を参照してください。
   
   

   Azure DataLakeStorage 接続プロパティの取得・設定方法

   Azure DataLakeStorage Gen 1 への接続

   Gen 1 DataLakeStorage アカウントに接続するには、はじめに以下のプロパティを設定します。

   • Schema：ADLSGen1 を指定。
   • Account：アカウント名に設定。
   • AzureTenant：テナントId に設定。Azure Portal 内のAzure Data Lake プロパティから取得できます。
   • Directory：（オプション）複製したファイルを格納するためのパスを設定。指定しない場合は、ルートディレクトリが使用されます。

   Azure DataLakeStorage Gen 1 への認証

   Gen 1 は、認証方法としてAzure Active Directory OAuth（AzureAD）およびマネージドサービスID（AzureMSI）をサポートしています。認証方法は、ヘルプドキュメントの「Azure DataLakeStorage Gen 1 への認証」セクションを参照してください。

   Azure DataLakeStorage Gen 2 への接続

   Gen 2 DataLakeStorage アカウントに接続するには、はじめに以下のプロパティを設定します。

   • Schema：ADLSGen2 に設定。
   • Account：ストレージアカウント名に設定。
   • FileSystem：このアカウントで使用するファイルシステム名に設定。例えば、Azure Blob コンテナ名など。
   • Directory：（オプション）複製したファイルを格納するためのパスを設定。指定しない場合は、ルートディレクトリが使用されます。

   Azure DataLakeStorage Gen 2 への認証

   Gen 2は、認証方法としてアクセスキー、共有アクセス署名（SAS）、Azure Active Directory OAuth（AzureAD）、マネージドサービスID（AzureMSI）など多様な方法をサポートしています。AzureAD、AzureMSI での認証方法は、ヘルプドキュメントの「Azure DataLakeStorage Gen 2 への認証」セクションを参照してください。

   アクセスキーを使用した認証

   アクセスキーを使用して接続するには、AccessKey プロパティを取得したアクセスキーの値に、AuthScheme を「AccessKey」に設定します。

   Azure ポータルからADLS Gen2 ストレージアカウントのアクセスキーを取得できます。

   1. Azure ポータルのADLS Gen2 ストレージアカウントにアクセスします。
   2. 設定で「アクセスキー」を選択します。
   3. 利用可能なアクセスキーの1つの値を「AccessKey」接続プロパティにコピーします。

   共有アクセス署名（SAS）

   共有アクセス署名を使用して接続するには、SharedAccessSignature プロパティを接続先リソースの有効な署名に設定して、AuthScheme を「SAS」に設定します。 共有アクセス署名は、Azure Storage Explorer などのツールで生成できます。

   DSN を構成する際、Max Rows 接続プロパティも設定することができます。これを設定すると返される行数が制限されるため、レポートやビジュアライゼーションを作成する際のパフォーマンスが向上します。

2. Alteryx Designer を開いて新しいワークフローを作成します。
3. 新規のデータ入力ツールをワークフローにドラッグ＆ドロップします。
4. 「ファイルまたはデータベースを接続」の下のドロップダウンをクリックし、続けて「データソース」タブを選択します。
5. ページの最後に移動し、「Generic connection」の下の「ODBC」をクリックします。
6. Alteryx で使用するために設定したDSN （CData Azure Data Lake Storage Source）を選択します。
7. ウィザードが開いたら、クエリを実行するテーブルを「クエリビルダ」ボックスにドラッグ&ドロップします。クエリに含めるチェックボックスをオンにしてフィールドを選択します。可能な場合、フィルタと集計によって生成されたクエリはAzure Data Lake Storage に渡され、サポートされていない操作（SQL 関数とJOIN 操作を含む）は、コネクタに組み込まれたCData SQL エンジンによってクライアント側で管理されます。

データセットをさらにカスタマイズする場合は、SQL エディタを開いてクエリを手動で変更し、句や集計などの操作を追加して、必要なAzure Data Lake Storage データを正確に取得できるようにします。

クエリを定義したら、Alteryx Designer でAzure Data Lake Storage データを操作できるようになります。

Azure Data Lake Storage データに対してセルフサービス分析を実行

これで、Azure Data Lake Storage データを準備、ブレンディング、分析するためのワークフローを作成する準備ができました。CData ODBC ドライバは動的なメタデータ検出を実行し、Alteryx データフィールドタイプを使用してデータを表示し、Designer ツールを活用して必要に応じてデータを操作し、意味のあるデータセットを構築できるようにします。以下の例では、データをクレンジングして参照します。

1. データクレンジングツールをワークフローに追加し、「Nullの置換」の2つのチェックボックスをオンにして、null テキストフィールドを空白に、null 数値フィールドを0 に置き換えます。「不要な文字の削除」下のチェックボックスをオンにして、先頭と末尾の空白を削除することもできます。
2. 閲覧ツールをワークフローに追加します。
3. クリックしてワークフローを実行します（Ctrl + R）。
4. 結果ビューでクレンジングされたAzure Data Lake Storage データを確認します。

高いパフォーマンスを発揮する組み込みのデータ処理により、Alteryx でAzure Data Lake Storage データを迅速にクレンジング、変換、分析することができます。