ローカルCSV ファイルへのPresto データの自動反復レプリケーション

データ分析基盤DB へのPresto データの取り込みのニーズが高まっています。CData Sync は、数百のSaaS / DB のデータをCSV をはじめとする各種DB / データウェアハウスにノーコードでレプリケーション（複製）が可能なデータパイプラインツールです。本記事では、Presto データをCData Sync を使ってCSV に反復同期します。CSV は、オンプレミスのCSV のほかAWS RDS やGoogle Cloud SQL などクラウド上のCSV にもレプリケーションが可能です。エンタープライズからSME までのETL（Extract(取得)、Transfer（変換・加工）、Load（ロード））、ELT のニーズに応えます。CData Sync で、アーカイブ、レポーティング、アナリティクス、機械学習、AI などで使えるよう、企業内の多様なデータを一か所に統合して管理することが可能になります。

CData Sync の特徴：

CData Sync は、以下のような特徴を持った製品です。

1. Presto をはじめとする数百種類のSaaS / DB データに対応
2. CSV など多くのRDB、データレイク、データストア、データウェアハウスに同期可能
3. 業務データのデータ分析基盤へのETL / ELT 機能に特化し、極限まで設定操作をシンプルに
4. 主要なSaaS データの差分更新やCDC（Change Data Capture、変更データキャプチャ）のサポート
5. フレキシブルなSQL での取得データの操作

CData Sync では、1.データソースとしてPresto の接続を設定、2.同期先としてCSV の接続を設定、3.Presto からCSV へのレプリケーションジョブの作成、という3つのステップだけでレプリケーション処理を作成可能です。以下に具体的な設定手順を説明します。

1.データソースとしてPresto の接続を設定

まずはじめに、CData Sync のブラウザ管理コンソールにログインします。CData Sync のインストールをまだ行っていない方は本記事の製品リンクからCData Sync をクリックして、30日の無償トライアルとしてCData Sync をインストールしてください。インストール後にCData Sync が起動して、ブラウザ設定画面が開きます。

それでは、データソース側にPresto を設定していきましょう。左の［接続］タブをクリックします。

1. ［＋接続の追加］ボタンをクリックします。
2. ［データソース］タブを選択して、リスト表示されるデータソースを選ぶか、検索バーにデータソース名を入力して、Presto を見つけます。
3. Presto の右側の［→］をクリックして、Presto アカウントへの接続画面を開きます。もし、Presto のコネクタがデフォルトでCData Sync にインストールされていない場合には、ダウンロードアイコン（コネクタのアップロードアイコン）をクリックし、［ダウンロード］をクリックすると、CData Sync にコネクタがインストールされます。
4. 接続プロパティにPresto に接続するアカウント情報を入力をします。
   

   Presto への接続には、まずはServer およびPort を接続プロパティとして設定します。それ以外の追加項目は接続方式によって異なります。

   TLS/SSL を有効化するには、UseSSL をTRUE に設定します。

   LDAP で認証

   LDAP で認証するには、次の接続プロパティを設定します:

   • AuthScheme: LDAP に設定。
   • User: LDAP で接続するユーザー名。
   • Password: LDAP で接続するユーザーのパスワード。

   Kerberos 認証

   KERBEROS 認証を使う場合には、以下を設定します:

   • AuthScheme: KERBEROS に設定。
   • KerberosKDC: 接続するユーザーのKerberos Key Distribution Center (KDC) サービス。
   • KerberosRealm: 接続するユーザーのKerberos Realm 。
   • KerberosSPN: Kerberos Domain Controller のService Principal Name。
   • KerberosKeytabFile: Kerberos principals とencrypted keys を含むKeytab file。
   • User: Kerberos のユーザー。
   • Password: Kerberos で認証するユーザーのパスワード。
5. ［作成およびテスト］をクリックして、正しくPresto に接続できているかをテストして保存します。これでレプリケーションのデータソースとしてPresto への接続が設定されました。

2.同期先としてCSV の接続を設定

次に、Presto データを書き込む先（＝同期先）として、CSV を設定します。同じく［接続］タブを開きます。

1. ［＋接続の追加］ボタンをクリックします。
2. ［同期先］タブを選択して、リスト表示されるデータソースを選ぶか、検索バーにデータソース名を入力して、CSV を見つけます。
3. CSV の右側の［→］をクリックして、CSV データベースへの接続画面を開きます。もし、CSV のコネクタがデフォルトでCData Sync にインストールされていない場合には、ダウンロードアイコン（コネクタのアップロードアイコン）をクリックし、［ダウンロード］をクリックすると、CData Sync にコネクタがインストールされます。
4. 必要な接続プロパティを入力します。次のようにCSV ファイルを保存するディレクトリを指定します：
   • Destination Folder:ディスク内のCSV ファイルのロケーションに設定します。
   • Include Column Headers:項目をTRUE にすると、一行目がカラム名として設定されます。
5. ［作成およびテスト］をクリックして、正しく接続できているかをテストします。
6. これで同期先としてCSV を設定できました。CData Sync では、CSV のデータベース名を指定するだけで、同期するPresto に併せたテーブルスキーマを自動的にCREATE TABLE してくれます。同期データに合わせたテーブルを事前に作成するなどの面倒な手順は必要ありません。もちろん、既存テーブルにマッピングを行いデータ同期を行うことも可能です。

3.Presto からCSV へのレプリケーションジョブの作成

CData Sync では、レプリケーションをジョブ単位で設定します。ジョブは、Presto からCSV という単位で設定し、複数のテーブルを含むことができます。レプリケーションジョブ設定には、［ジョブ］タブに進み、［＋ジョブを追加］ボタンをクリックします。

［ジョブを追加］画面が開き、以下を入力します：

1. 名前：ジョブの名前
2. データソース：ドロップダウンリストから先に設定したPresto を選択
3. 同期先：先に設定したCSV を選択

すべてのオブジェクトをレプリケーションする場合

Presto のすべてのオブジェクト / テーブルをレプリケーションするには、［種類］セクションで［すべて同期］を選択して、［ジョブを追加］ボタンで確定します。

作成したジョブ画面で、右上の［▷実行］ボタンをクリックするだけで、全Presto テーブルのCSV への同期を行うことができます。

オブジェクトを選択してレプリケーションする場合

Presto から特定のオブジェクト / テーブルを選択してレプリケーションを行うことが可能です。［種類］セクションでは、［標準（個別設定）］を選んでください。

次に［ジョブ］画面で、［タスク］タブをクリックし、［タスクを追加］ボタンをクリックします。

するとCData Sync で利用可能なオブジェクト / テーブルのリストが表示されるので、レプリケーションを行うオブジェクトにチェックを付けます（複数選択可）。［ジョブを追加］ボタンで確定します。

作成したジョブ画面で、［▷実行］ボタンをクリックして（もしくは各タスク毎の実行ボタンを押して）、レプリケーションジョブを実行します。

このようにとても簡単にPresto からCSV への同期を行うことができました。

CData Sync の主要な機能を試してみる

ジョブのスケジュール起動設定

CData Sync では、同期ジョブを1日に1回や15分に1回などのスケジュール起動をすることができます。ジョブ画面の［概要］タブから［スケジュール］パネルを選び、［⚙設定］ボタンをクリックします。［間隔］と同期時間の［毎時何分］を設定し、［保存］を押して設定を完了します。これでCData Sync が同期ジョブをスケジュール実行してくれます。ユーザーはダッシュボードで同期ジョブの状態をチェックするだけです。

差分レプリケーション

CData Sync では、主要なデータソースでは、差分レプリケーションが可能です。差分レプリケーションでは、最後のジョブ実行時からデータソース側でデータの追加・変更があったデータだけを同期するので、レプリケーションのクエリ・通信のコストを圧倒的に抑えることが可能です。

差分レプリケーションを有効化するには、ジョブの［概要］タブから「差分レプリケーション」パネルを選び、［⚙設定］ボタンをクリックします。［開始日］と［レプリケーション間隔］を設定して、［保存］します。

SQL での取得データのカスタマイズ

CData Sync は、デフォルトではPresto のオブジェクト / テーブルをそのままCSV に複製します。しかし、テーブルカラムが多すぎる場合や、データ管理の観点から一部のカラムだけをレプリケーションすること、さらにデータの絞り込み（フィルタリング）をしたデータだけをレプリケーションすることが可能です。

ジョブの［概要］タブ、［タスク］タブへと進みます。選択されたタスク（テーブル）の［▶］の左側のメニューをクリックし、［編集］を選びます。タスクの編集画面が開きます。

UI からカラムを選択する場合には、［カラム］タブから［マッピング編集］をクリックします。レプリケーションで使用しないカラムからチェックを外します。

SQL を記述して、フィルタリングなどのカスタマイズを行うには、［クエリ］タブをクリックし、REPLICATE ［テーブル名］の後に標準SQL でフィルタリングを行います。

Presto からCSV へのデータ同期には、ぜひCData Sync をご利用ください

このようにノーコードで簡単にPresto データをCSV にレプリケーションできます。データ分析、AI やノーコードツールからのデータ利用などさまざまな用途でCData Sync をご利用いただけます。30日の無償トライアルで、シンプルでパワフルなデータパイプラインを体感してください。

日本のユーザー向けにCData Sync は、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。

CData Sync の 導入事例を併せてご覧ください。