Dataiku からリアルタイム Amazon Athena データを使って AI/ML モデルを構築

Dataiku は、データの準備、分析、可視化、AI/ML モデルのデプロイメントに利用されるデータサイエンスおよび機械学習プラットフォームです。チームでの協業と効率的なデータドリブンな意思決定を可能にします。CData JDBC Driver for Amazon Athena と組み合わせることで、Dataiku は Amazon Athena のデータ のデータ連携、データ準備、リアルタイム分析、そして信頼性の高いモデルデプロイメントをさらに強化します。

CData JDBC Driver は、最適化されたデータ処理機能を内蔵しており、リアルタイム Amazon Athena のデータ とのやり取りにおいて比類のないパフォーマンスを発揮します。複雑な SQL クエリを Amazon Athena に発行すると、ドライバーはフィルタや集計などのサポートされている SQL 操作を Amazon Athena に直接プッシュし、サポートされていない操作（多くの場合、SQL 関数や JOIN 操作）は内蔵の SQL エンジンを使用してクライアント側で処理します。動的メタデータクエリ機能が組み込まれているため、ネイティブのデータ型を使って Amazon Athena のデータ を操作・分析できます。

この記事では、Dataiku DSS（Data Science Studio）プラットフォームで CData JDBC Driver for Amazon Athena を使って Amazon Athena に簡単に連携する方法を紹介します。データの準備やカスタム AI/ML モデルの構築を行いましょう。

はじめに

---

Dataiku DSS 環境の準備

このセクションでは、先に紹介した Dataiku を Amazon Athena のデータ 向けにセットアップする方法を説明します。事前に、お使いのオペレーティングシステムに対応した Dataiku DSS（オンプレミス版）をインストールしておいてください。

CData JDBC Driver for Amazon Athena のインストール

まず、Dataiku と同じマシンに CData JDBC Driver for Amazon Athena をインストールします。JDBC Driver は以下のパスにインストールされます：

C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.amazonathena.jar

Dataiku DSS での JDBC Driver 接続設定

Dataiku で CData JDBC Driver を使用するには、新しい SQL データベース接続を作成し、DSS の接続設定で JDBC Driver の JAR ファイルを追加する必要があります。

1. Dataiku DSS プラットフォームにログインします。ブラウザでローカルに開きます（例：localhost:11200）。
2. プラットフォームの右上にある Navigate to other sections of Dataiku メニューをクリックし、Administration を選択します。
3. Connections タブを選択します。
4. Connections 画面で New Connections ボタンをクリックします。
5. スクロールして Other SQL databases を選択します。

6. Amazon Athena に接続するための JDBC URL を生成します。jdbc:amazonathena: で始まり、その後にセミコロン区切りの接続文字列プロパティを続けます。

   Amazon Athena 接続プロパティの取得・設定方法

   それでは、早速Athena に接続していきましょう。

   データに接続するには、以下の接続パラメータを指定します。

   • DataSource：接続するAmazon Athena データソース。
   • Database：接続するAmazon Athena データベース。
   • AWSRegion：Amazon Athena データがホストされているリージョン。
   • S3StagingDirectory：クエリの結果を保存するS3 フォルダ。

   Database またはDataSource が設定されていない場合、CData 製品はAmazon Athena の利用可能なデータソースからすべてのデータベースのリスト化を試みます。そのため、両方のプロパティを設定することでCData 製品のパフォーマンスが向上します。

   Amazon Athena の認証設定

   CData 製品は幅広い認証オプションに対応しています。詳しくはヘルプドキュメントの「はじめに」を参照してみてください。

   AWS キーを取得

   IAM ユーザーの認証情報を取得するには、以下のステップお試しください。

   1. IAM コンソールにサインインします。
   2. ナビゲーションペインでユーザーを選択します。
   3. ユーザーのアクセスキーを作成または管理するには、ユーザーを選択してからセキュリティ認証情報タブに移動します。

   AWS ルートアカウントの資格情報を取得するには、以下のステップをお試しください。

   1. ルートアカウントの認証情報を使用してAWS 管理コンソールにサインインします。
   2. アカウント名または番号を選択します。
   3. 表示されたメニューでMy Security Credentials を選択します。
   4. ルートアカウントのアクセスキーを管理または作成するには、Continue to Security Credentials をクリックし、［Access Keys］セクションを展開します。

   その他の認証オプションについては、ヘルプドキュメントの「Amazon Athena への認証」を参照してください。

   組み込みの接続文字列デザイナー

   JDBC URL の作成には、Amazon Athena JDBC Driver に組み込まれている接続文字列デザイナーを使用できます。JAR ファイルをダブルクリックするか、コマンドラインから実行してください。

   java -jar cdata.jdbc.amazonathena.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。

   

   一般的な JDBC URL は次のようになります：

   jdbc:amazonathena:AccessKey='a123';SecretKey='s123';Region='IRELAND';Database='sampledb';S3StagingDirectory='s3://bucket/staging/';
   

7. New SQL database (JDBC) connection 画面で、New connection name フィールドに名前を入力し、基本パラメータを指定します：
   • JDBC Driver Class：cdata.jdbc.amazonathena.AmazonAthenaDriver
   • JDBC URL：前のステップで取得した JDBC 接続 URL
   • Driver jars directory：システム上で JAR ファイルがインストールされているフォルダパス
   

   次に、SQL dialect を選択します。ここでは「SQL Server」を選択しています。Create をクリックします。接続が成功すると、「Connection OK」というメッセージが表示されます。

8. Data Catalog ウィンドウが表示されます。Connection to browse、Restrict to catalog、Restrict to schema ドロップダウンから目的の接続、カタログ、スキーマを選択し、List Tables をクリックします。Dataiku プラットフォームに必要なテーブルがすべて一覧表示されます。
9. 一覧からテーブルを選択し、Preview をクリックしてテーブルデータを表示します。Close をクリックしてウィンドウを閉じます。

新しいプロジェクトの作成

Dataiku DSS プラットフォームでデータフローの準備、ダッシュボードの作成、Amazon Athena のデータ の分析、AI/ML モデルの構築を行うには、まず新しいプロジェクトを作成する必要があります。

1. Navigate to other sections of Dataiku メニューから Projects を選択します。
2. Projects 画面で New Project をクリックし、+ Blank Project を選択します。
3. New Project ウィンドウで、Name と Project Key を入力します。Create をクリックすると、新しいプロジェクトのダッシュボードが開きます。
4. プロジェクト画面上部のメニューから Notebooks を選択します。
5. + Create Your First Notebook ドロップダウンメニューをクリックし、Write your own オプションを選択します。
6. New Notebook ウィンドウで SQL を選択します。
7. Connection ドロップダウンから必要な接続を選択し、Notebook Name フィールドに名前を入力します。

接続のテスト

Amazon Athena 接続をテストして Amazon Athena のデータ を分析するには、クエリコンパイラでクエリを記述し、Run をクリックします。クエリ結果やフィルタリングされた Amazon Athena のデータ の結果が画面に表示されます。

おわりに

CData JDBC Driver for Amazon Athena の 30日間無償トライアル をダウンロードして、Dataiku と連携し、Amazon Athena のデータ からカスタム AI/ML モデルを簡単に構築しましょう。

ご質問があれば、お気軽に サポートチーム までお問い合わせください。