Embulk を使用して BigQuery ののデータをデータベースにロードする方法

Embulk はオープンソースのバルクデータローダーです。CData JDBC Driver for Google BigQuery と組み合わせることで、BigQuery から任意の同期先にデータを簡単にロードできます。この記事では、CData JDBC Driver for Google BigQuery をEmbulk で使用してBigQuery のデータをMySQL データベースにロードする方法を解説します。

CData JDBC Driver は、最適化されたデータ処理機能を内蔵しており、リアルタイムのBigQuery のデータに対して比類のないパフォーマンスを発揮します。BigQuery に対して複雑なSQL クエリを発行すると、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 操作を直接BigQuery にプッシュし、サポートされていない操作（SQL 関数やJOIN 操作など）は組み込みのSQL エンジンを使用してクライアント側で処理します。

はじめに

---

BigQuery への JDBC 接続を設定

Embulk でバルクロードジョブを作成する前に、JDBC Driver のJAR ファイルのインストール場所（通常はC:\Program Files\CData\CData JDBC Driver for Google BigQuery\lib）を確認しておきます。

Embulk はJDBC 接続をサポートしているため、BigQuery に簡単に接続してSQL クエリを実行できます。バルクロードジョブを作成する前に、BigQuery への認証用のJDBC URL を作成します。

BigQuery 接続プロパティの取得・設定方法

Google BigQuery はOAuth 認証標準を使用します。個々のユーザーとしてGoogle API にアクセスするには、組み込みクレデンシャルを使うか、OAuth アプリを作成します。

OAuth では、Google Apps ドメインのユーザーとしてサービスアカウントを使ってアクセスすることもできます。サービスカウントでの認証では、OAuth JWT を取得するためのアプリケーションを登録する必要があります。

OAuth 値に加え、DatasetId、ProjectId を設定する必要があります。詳細はヘルプドキュメントの「はじめに」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、BigQuery 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JAR ファイルを実行します。

java -jar cdata.jdbc.googlebigquery.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、BigQuery への一般的なJDBC 接続文字列です。

jdbc:googlebigquery:DataSetId=MyDataSetId;ProjectId=MyProjectId;

Embulk で BigQuery ののデータをロード

CData JDBC Driver をインストールしてJDBC 接続文字列を作成したら、必要なEmbulk プラグインをインストールします。

Embulk の入力・出力プラグインをインストール

1. Embulk にJDBC 入力プラグインをインストールします。
   https://github.com/embulk/embulk-input-jdbc/tree/master/embulk-input-jdbc

embulk gem install embulk-input-jdbc

2. この記事では、同期先データベースとしてMySQL を使用します。出力プラグインを使用して、SQL Server、PostgreSQL、またはGoogle BigQuery を同期先として選択することもできます。
   https://github.com/embulk/embulk-output-jdbc/tree/master/embulk-output-mysql

   embulk gem install embulk-output-mysql
   

入力プラグインと出力プラグインをインストールしたら、Embulk を使用してBigQuery のデータをMySQL にロードする準備が整いました。

BigQuery ののデータをロードするジョブを作成

まず、Embulk で設定ファイルを作成します。ファイル名はgooglebigquery-mysql.yml のようにします。

1. 入力プラグインのオプションには、CData JDBC Driver for Google BigQuery、ドライバーJAR ファイルへのパス、ドライバークラス（例：cdata.jdbc.googlebigquery.GoogleBigQueryDriver）、および上記のJDBC URL を指定します。
2. 出力プラグインのオプションには、MySQL データベースの値と認証情報を指定します。

設定ファイルのサンプル（googlebigquery-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.googlebigquery.jar
	driver_class: cdata.jdbc.googlebigquery.GoogleBigQueryDriver
	url: jdbc:googlebigquery:DataSetId=MyDataSetId;ProjectId=MyProjectId;
	table: "Orders"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "Orders"
	mode: insert

ファイルを作成したら、Embulk ジョブを実行します。

embulk run googlebigquery-mysql.yml

Embulk ジョブを実行すると、MySQL テーブルにBigQuery のデータが格納されます。

フィルタリングした BigQuery ののデータをロード

テーブルから直接データをロードするだけでなく、カスタムSQL クエリを使用してロードするデータをより詳細に制御できます。また、クエリフィールドのSQL WHERE 句で最終更新カラムを設定することで、増分ロードを実行することもできます。

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.googlebigquery.jar
	driver_class: cdata.jdbc.googlebigquery.GoogleBigQueryDriver
	url: jdbc:googlebigquery:DataSetId=MyDataSetId;ProjectId=MyProjectId;
	query: "SELECT OrderName, Freight FROM Orders WHERE [RecordId] = 1"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "Orders"
	mode: insert

詳細情報と無料トライアル

CData JDBC Driver for Google BigQuery をコネクタとして使用することで、Embulk のデータロードジョブにBigQuery のデータを統合できます。また、200 を超えるエンタープライズデータソース向けドライバーにより、あらゆるエンタープライズSaaS、ビッグデータ、NoSQL ソースも統合できます。30日間の無料トライアルをダウンロードして、今すぐお試しください。