ETL ツールのEmbulk を使ってSAS xpt のデータをDB にロードする方法

OSS のETL ツールEmbulk のJDBC Plugin を使って、SAS xpt のデータを簡単にDB に同期する方法をご紹介します。

杉本和也
リードエンジニア

最終更新日:2023-10-13

この記事で実現できるSAS xpt 連携のシナリオ

こんにちは!リードエンジニアの杉本です。

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 ツールを使ってデータを丸ごとDB/DWH にロードしてから、分析や可視化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 Driver for SASXpt を使って、SAS xpt のデータを簡単にDB にロードする方法をご紹介します。この例ではロード先のDB にはMySQL を使います。

Embulk でSAS xpt のデータをロード

  • CData JDBC Driver for SASXpt をEmbulk と同じマシンにインストールします。CData JDBC ドライバは30日間の無償トライアルが利用できるので、サイドバーからお気軽にダウンロードしてご利用ください。
  • 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 SASXpt 2019J\lib\cdata.jdbc.sasxpt.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。以下のリンクからダウンロードできます。

    https://github.com/embulk/embulk-input-jdbc/tree/master/embulk-input-jdbc

    インストール用のコマンドはこちら:

    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。ロードに必要な以下のプラグインをインストールしましょう。

    https://github.com/embulk/embulk-output-jdbc/tree/master/embulk-output-mysql

    コマンドはこちら。

    embulk gem install embulk-output-mysql
  • config ファイルを作成し、SAS xpt -> MySQL のジョブを作成します。sasxpt-mysql.yml というファイル名で、以下の内容で作成しました。
  • in: type: jdbc driver_path: C:\Program Files\CData\CData JDBC Driver for SASXpt 2025J\lib\cdata.jdbc.sasxpt.jar driver_class: cdata.jdbc.sasxpt.SASXptDriver url: jdbc:sasxpt:URI=C:/folder; table: "SampleTable_1" out: type: mysql host: localhost database: DatabaseName user: UserId password: UserPassword table: "SampleTable_1" mode: insert
  • JDBC URL の内容は、ご利用の環境や資格情報を入力してください。

    ローカルSASXpt ファイルへの接続

    URI をSASXpt ファイルを格納しているフォルダに設定すると、ローカルのSASXpt ファイルに接続できます。

    S3 データソースへの接続

    Amazon S3 ソースに接続してSASXpt ファイルを読み込むことができます。以下のプロパティを設定して接続します:

    • URI:接続するバケット内のフォルダに設定。
    • AWSAccessKey:AWS アカウントのアクセスキーに設定。
    • AWSSecretKey:AWS アカウントのシークレットキーに設定。
    • TemporaryLocalFolder:SASXptファイルを一時的にダウンロードするために使用するフォルダへのパス、またはURI に設定。

    Azure Data Lake Storage Gen2 への接続

    ADLS Gen2 に接続してSASXpt ファイルを読み込むことができます。以下のプロパティを設定して接続します:

    • URI:ファイルシステムの名前およびSASXpt ファイルにコンタクトするフォルダの名前に設定。
    • AzureAccount:Azure Data Lake storage アカウントの名前に設定。
    • AzureAccessKey:Azure Data Lake storage Gen 2 ストレージアカウントのアクセスキーに設定。
    • TemporaryLocalFolder:SASXptファイルを一時的にダウンロードするために使用するフォルダへのパス、またはURI に設定。

  • 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 sasxpt-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 クエリ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 SASXpt 2019J\lib\cdata.jdbc.sasxpt.jar driver_class: cdata.jdbc.sasxpt.SASXptDriver url: jdbc:sasxpt:URI=C:/folder; query: "SELECT Id, Column1 FROM SampleTable_1 WHERE [RecordId] = 1" out: type: mysql host: localhost database: DatabaseName user: UserId password: UserPassword table: "SampleTable_1" mode: insert

おわりに

CData JDBC Driver for SASXpt をEmbulk で使うことで、SAS xpt と連携して簡単にデータを取得できます。ぜひ、30日の無償評価版をお試しください。

関連コンテンツ

トライアル・お問い合わせ

30日間無償トライアルで、CData のリアルタイムデータ連携をフルにお試しいただけます。記事や製品についてのご質問があればお気軽にお問い合わせください。