Pentaho Data Integration でAzure Data Catalog のデータを連携

CData JDBC Driver for Azure Data Catalog を使用すると、データパイプラインからリアルタイムデータにアクセスできます。Pentaho Data Integration は、ETL（Extraction, Transformation, and Loading）エンジンであり、データをクレンジングし、アクセス可能な統一フォーマットでデータを格納します。この記事では、Azure Data Catalog のデータ に JDBC データソースとして接続し、Pentaho Data Integration で Azure Data Catalog のデータ をベースにしたジョブやトランスフォーメーションを構築する方法を説明します。

Azure Data Catalog への接続を設定

Azure Data Catalog 接続プロパティの取得・設定方法

OAuth 認証で接続

Azure Data Catalog の認証にはOAuth を使用します。CData 製品では組込みOAuth が利用できるので、接続プロパティを設定することなく接続を試行するだけで、ブラウザ経由でAAS に認証できます。詳しい設定方法については、ヘルプドキュメントの「Azure Data Catalog への認証」セクションを参照してください。

設定は任意ですが、CatalogName プロパティを設定することでAzure Data Catalog から返されるカタログデータを明示的に指定できます。

CatalogName：Azure Data Catalog に紐づいているカタログ名に設定。空のままにすると、デフォルトのカタログが使用されます。カタログ名は、「Azure Portal」->「データカタログ」->「カタログ名」から取得できます。

組み込みの接続文字列デザイナー

JDBC URL の構築を支援するには、Azure Data Catalog JDBC Driver に組み込まれている接続文字列デザイナーを使用してください。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 JAR ファイルを実行します。

java -jar cdata.jdbc.azuredatacatalog.jar

接続プロパティを設定し、接続文字列をクリップボードにコピーします。

JDBC URL を設定する際には、Max Rows 接続プロパティの設定も検討してください。これにより返される行数が制限され、レポートやビジュアライゼーションの設計時にパフォーマンスを向上させることができます。

一般的な JDBC URL は次のようになります：

jdbc:azuredatacatalog:

接続文字列を保存して、Pentaho Data Integration で使用します。

Pentaho DI から Azure Data Catalog に接続

Pentaho Data Integration を開き、「Database Connection」を選択して CData JDBC Driver for Azure Data Catalog への接続を設定します。

1. 「General」をクリックします。
2. Connection name を設定します（例：Azure Data Catalog Connection）。
3. Connection type を「Generic database」に設定します。
4. Access を「Native (JDBC)」に設定します。
5. Custom connection URL に Azure Data Catalog の接続文字列を設定します（例：
   

   jdbc:azuredatacatalog:

   ）。
6. Custom driver class name を「cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver」に設定します。
7. 接続をテストし、「OK」をクリックして保存します。

Azure Data Catalog のデータパイプラインを作成

CData JDBC Driver を使用して Azure Data Catalog への接続が設定されたら、新しいトランスフォーメーションまたはジョブを作成する準備が整いました。

1. 「File」>>「New」>>「Transformation/job」をクリックします。
2. 「Table input」オブジェクトをワークフローパネルにドラッグし、Azure Data Catalog 接続を選択します。
3. 「Get SQL select statement」をクリックし、Database Explorer を使用して利用可能なテーブルとビューを表示します。
4. テーブルを選択し、必要に応じてデータをプレビューして確認します。

ここから、適切な同期先を選択し、レプリケーション中にデータを変更、フィルタリング、その他の処理を行うトランスフォーメーションを追加することで、トランスフォーメーションまたはジョブを続行できます。

無料トライアルと詳細情報

CData JDBC Driver for Azure Data Catalog の 30日間無料トライアルをダウンロードして、Pentaho Data Integration で Azure Data Catalog のデータ のリアルタイムデータを今すぐ活用しましょう。