JDBC データソースでSpark との間にInformatica マッピングを作成

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

Informatica は、データを転送・変換するための強力で立派な手段を提供します。CData JDBC Driver for SparkSQL を利用することで、Informatica の強力なデータ転送および操作機能とシームレスに統合される、業界で実証済みの標準に基づくドライバーにアクセスできます。このチュートリアルでは、Informatica PowerCenter でSpark を転送および参照する方法を示します。

ドライバーをデプロイ

ドライバーをInformatica PowerCenter サーバーに展開するために、インストールディレクトリのlib サブフォルダにあるCData JAR および.lic ファイルを次のフォルダにコピーします。Informatica-installation-directory\services\shared\jars\thirdparty.

Developer ツールでSpark を使用するには、インストールディレクトリのlib サブフォルダにあるCData JAR および.lic ファイルを次のフォルダにコピーする必要があります。

• Informatica-installation-directory\client\externaljdbcjars
• Informatica-installation-directory\externaljdbcjars

JDBC 接続の作成

以下のステップに従って、Informatica Developer に接続します。

1. ［Connection Explorer］ペインで［domain］を右クリックし、［Create a Connection］をクリックします。
2. 表示される［New Database Connection］ウィザードで、接続の名前とId を入力し、［Type］メニューで［JDBC］を選択します。
3. ［JDBC Driver Class Name］のプロパティで次のコードを入力します。 cdata.jdbc.sparksql.SparkSQLDriver
4. ［Connection String］プロパティでは、Spark の接続プロパティを使用してJDBC URLを入力します。

   SparkSQL への接続

   SparkSQL への接続を確立するには以下を指定します。

   • Server：SparkSQL をホストするサーバーのホスト名またはIP アドレスに設定。
   • Port：SparkSQL インスタンスへの接続用のポートに設定。
   • TransportMode：SparkSQL サーバーとの通信に使用するトランスポートモード。有効な入力値は、BINARY およびHTTP です。デフォルトではBINARY が選択されます。
   • AuthScheme：使用される認証スキーム。有効な入力値はPLAIN、LDAP、NOSASL、およびKERBEROS です。デフォルトではPLAIN が選択されます。

   Databricks への接続

   Databricks クラスターに接続するには、以下の説明に従ってプロパティを設定します。Note：必要な値は、「クラスター」に移動して目的のクラスターを選択し、 「Advanced Options」の下にある「JDBC/ODBC」タブを選択することで、Databricks インスタンスで見つけることができます。

   • Server：Databricks クラスターのサーバーのホスト名に設定。
   • Port：443
   • TransportMode：HTTP
   • HTTPPath：Databricks クラスターのHTTP パスに設定。
   • UseSSL：True
   • AuthScheme：PLAIN
   • User：'token' に設定。
   • Password：パーソナルアクセストークンに設定（値は、Databricks インスタンスの「ユーザー設定」ページに移動して「アクセストークン」タブを選択することで取得できます）。

   ビルトイン接続文字列デザイナ

   JDBC URL の構成については、Spark JDBC Driver に組み込まれている接続文字列デザイナを使用してください。JAR ファイルのダブルクリック、またはコマンドラインからJAR ファイルを実行します。

   java -jar cdata.jdbc.sparksql.jar

   接続プロパティを入力し、接続文字列をクリップボードにコピーします。

   以下は一般的な接続文字列です。

   jdbc:sparksql:Server=127.0.0.1;

Spark テーブルを参照

ドライバーJAR をクラスパスに追加してJDBC 接続を作成すると、Informatica のSpark エンティティにアクセスできるようになります。以下のステップに従ってSpark に接続し、Spark テーブルを参照します。

1. リポジトリに接続します。
2. ［Connection Explorer］で、［connection］を右クリックし、［Connect］をクリックします。
3. ［Show Default Schema Only］オプションをクリアします。

以下より、［Data Viewer］でSpark テーブルを参照できるようになります。テーブルの［node］を右クリックし、［Open］をクリックします。［Data Viewer］で［Run］をクリックします。

Spark データオブジェクトの作成

以下のステップに従って、プロジェクトにSpark テーブルを追加します。

1. Spark でテーブルを選択し、右クリックして［Add to Project］をクリックします。
2. 表示されるダイアログでリソースごとにデータオブジェクトを作成するオプションを選択します。
3. ［Select Location］ダイアログで、プロジェクトを選択します。

   マッピングの作成

   以下のステップに従って、マッピングにSpark ソースを追加します。

   1. ［Object Explorer］でプロジェクトを右クリックし、［New］->［Mapping］と進みます。
   2. Spark 接続のノードを展開し、テーブルのデータオブジェクトをエディターにドラッグします。.
   3. 表示されるダイアログで、［Read］オプションを選択します。

   以下のステップに従って、Spark カラムをフラットファイルにマッピングします。

   1. ［Object Explorer］でプロジェクトを右クリックし、［New］->［Data Object］と進みます。
   2. ［Flat File Data Object］->［Create as Empty］->［Fixed Width］と選択していきます。
   3. Spark オブジェクトのプロパティで必要な行を選択して右クリックし、［copy］をクリックします。行をフラットファイルのプロパティにペーストします。
   4. フラットファイルのデータオブジェクトをマッピングにドラッグします。
   5. 表示されるダイアログで、［Write］オプションを選択します。
   6. クリックしてドラッグすることで、列を接続します。

   Spark を転送するために、ワークスペースで右クリックし、［Run Mapping］をクリックします。