AWS Glue Jobs からElasticsearch データにJDBC 経由でデータ連携

詳細情報をご希望ですか？

無償トライアル:

製品の詳細情報へ:

Elasticsearch 連携のパワフルなJava アプリケーションを素早く作成して配布。

Amazon S3 でホストされているCData JDBC ドライバーを使用してAWS Glue ジョブからElasticsearch にデータ連携。

AWS Glue はAmazon のETL サービスであり、これを使用すると、簡単にデータプレパレーションを行い、ストレージおよび分析用に読み込むことができます。AWS Glue と一緒にPySpark モジュールを使用すると、JDBC 接続を経由でデータを処理するジョブを作成し、そのデータをAWS データストアに直接読み込むことができます。ここでは、CData JDBC Driver for Elasticsearch をAmazon S3 バケットにアップロードし、Elasticsearch からデータを抽出してCSV ファイルとしてS3 に保存するためのAWS Glue ジョブを作成して実行する方法について説明します。
AWS Glue からElasticsearch にデータ連携。

※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。

Elasticsearch にほかのBI、ETL、開発ツールから接続したい：Elasticsearch データ連携ガイドおよびチュートリアルのリストへ
Elasticsearch 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。

CData JDBC driver for Elasticsearch をAmazon S3 バケットにアップロード

CData JDBC Driver for Elasticsearch をAWS Glue から使用するには、ドライバーの.jar ファイル（および必要なライセンスファイル）をAmazon S3 のバケットに配置する必要があります。

Amazon S3 コンソールを開きます。
バケットを選択、もしくは作成します。
［アップロード］をクリックします。
JDBC Driver の.jar ファイル(cdata.jdbc.elasticsearch.jar) をインストールディレクトリのlib フォルダから選択してアップロードします。

Amazon Glue Job を設定

［分析］->［AWS Glue］をクリックします。
AWS Glue コンソールで、［ETL］->［ジョブ］をクリックします。
［ジョブの追加］をクリックして新しいGlue ジョブを作成します。
ジョブのプロパティを設定します:
- 名前: ElasticsearchGlueJob など任意のジョブ名
- IAM ロール: AWSGlueServiceRole もしくは AmazonS3FullAccessSelect の権限があるIAM ロールを設定（JDBC Driver がAmazon S3 バケットにあるため）。
- Type: ［Spark］を選択。
- Glue version: ドロップダウンからバージョンを選択。
- このジョブ実行: ［ユーザーが作成する新しいスクリプト］を選択。
  スクリプトプロパティの設定:
- ETL 言語: ［Python］を選択
- セキュリティ設定、スクリプトライブラリおよびジョブパラメータを展開。依存JARS パスは、JDBC の.jar ファイルをアップロードしたS3 バケットに設定。.jar ファイル名 s3://mybucket/cdata.jdbc.elasticsearch.jar も含めます。
［次へ］をクリックすると、ほかのAWS エンドポイントへの接続オプション追加ができます。Redshift、MySQL などに接続する際にはここで接続を作成できます。
［ジョブの保存とスクリプトの編集］をクリックします。
開いたエディタで、Python スクリプトを記述します。サンプルは以下です。

サンプルGlue スクリプト

CData JDBC driver でElasticsearch に接続するには、JDBC URL を作成します。さらにライセンスとしてJDBC URL にRTK プロパティを設定する必要があります。RTK は通常のライセンスと異なりますので、CData まで直接ご連絡をください。

接続するには、Server およびPort 接続プロパティを設定します。認証には、User とPassword プロパティ、PKI (public key infrastructure)、またはその両方を設定します。 PKI を使用するには、SSLClientCert、SSLClientCertType、SSLClientCertSubject、およびSSLClientCertPassword プロパティを設定します。

本製品は、認証とTLS/SSL 暗号化にX-Pack Security を使用しています。TLS/SSL で接続するには、Server 値に'https://' を接頭します。Note: PKI を使用するためには、TLS/SSL およびクライアント認証はX-Pack 上で有効化されていなければなりません。

接続されると、X-Pack では、設定したリルムをベースにユーザー認証およびロールの許可が実施されます。

ビルトイン接続文字列デザイナー

JDBC URL の作成をサポートするビルトインの接続文字列デザイナーがあります。ドライバーの.jar ファイルをダブルクリックするか、コマンドラインで.jar ファイルを実行するとデザイナーが開きます。


java -jar cdata.jdbc.elasticsearch.jar

必要項目を入力すると、デザインs－下部に接続文字列が生成されますのでクリップボードにコピーして使います。

Using the built-in connection string designer to generate a JDBC URL (Salesforce is shown.)

CData JDBC driver をPySpark で使用して、AWS Glue モジュールでElasticsearch データを取得して、S3 にCSV 形式で保存するシンプルなスクリプト例は以下です。.


import sys
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.dynamicframe import DynamicFrame
from awsglue.job import Job

args = getResolvedOptions(sys.argv, ['JOB_NAME'])

sparkContext = SparkContext()
glueContext = GlueContext(sparkContext)
sparkSession = glueContext.spark_session

##Use the CData JDBC driver to read Elasticsearch data from the Orders table into a DataFrame
##Note the populated JDBC URL and driver class name
source_df = sparkSession.read.format("jdbc").option("url","jdbc:elasticsearch:RTK=5246...;Server=127.0.0.1;Port=9200;User=admin;Password=123456;").option("dbtable","Orders").option("driver","cdata.jdbc.elasticsearch.ElasticsearchDriver").load()

glueJob = Job(glueContext)
glueJob.init(args['JOB_NAME'], args)

##Convert DataFrames to AWS Glue's DynamicFrames Object
dynamic_dframe = DynamicFrame.fromDF(source_df, glueContext, "dynamic_df")

##Write the DynamicFrame as a file in CSV format to a folder in an S3 bucket. 
##It is possible to write to any Amazon data store (SQL Server, Redshift, etc) by using any previously defined connections.
retDatasink4 = glueContext.write_dynamic_frame.from_options(frame = dynamic_dframe, connection_type = "s3", connection_options = {"path": "s3://mybucket/outfiles"}, format = "csv", transformation_ctx = "datasink4")

glueJob.commit()

Glueジョブを実行する

スクリプト記述後、Glue ジョブを実行します。実行した取得/ロードのジョブが完了するとAWS Glue コンソールのジョブページでステータスが確認できます。成功するとS3 バケットにElasticsearch データのCSV ファイルが生成されています。

このようにCData JDBC Driver for Elasticsearch をAWS Glue で使用することで、Elasticsearch データをAWS Glue で自在に扱うことができます。Glue の外部データへの接続性を拡張するJDBC Driver を是非お試しください。