Pentaho Report Designer でDatabricks のデータを連携利用

Jerod Johnson
Senior Technology Evangelist

Pentaho BI ツールでDatabricks のデータをもとにしたレポートを公開。

CData JDBC Driver for Databricks のデータを使えば、ダッシュボードやレポートからリアルタイムデータにアクセスできます。この記事では、Databricks のデータにJDBC データソースとして接続し、Pentaho でDatabricks のデータをもとにしたレポートを公開する方法を説明します。

Databricks データ連携について

CData を使用すれば、Databricks のライブデータへのアクセスと統合がこれまでになく簡単になります。お客様は CData の接続機能を以下の目的で利用しています：

Runtime バージョン 9.1 - 13.X から Pro および Classic Databricks SQL バージョンまで、すべてのバージョンの Databricks にアクセスできます。
あらゆるホスティングソリューションとの互換性により、お好みの環境で Databricks を使用し続けることができます。
パーソナルアクセストークン、Azure サービスプリンシパル、Azure AD など、さまざまな方法で安全に認証できます。
Databricks ファイルシステム、Azure Blob ストレージ、AWS S3 ストレージを使用して Databricks にデータをアップロードできます。

多くのお客様が、さまざまなシステムから Databricks データレイクハウスにデータを移行するために CData のソリューションを使用していますが、ライブ接続ソリューションを使用して、データベースと Databricks 間の接続をフェデレートしているお客様も多数います。これらのお客様は、SQL Server リンクサーバーまたは Polybase を使用して、既存の RDBMS 内から Databricks へのライブアクセスを実現しています。

一般的な Databricks のユースケースと CData のソリューションがデータの問題解決にどのように役立つかについては、ブログをご覧ください：What is Databricks Used For? 6 Use Cases

はじめに

接続してレポートを作成

インストールディレクトリのlib サブフォルダ内にあるドライバーのJAR ファイルを、Pentaho ディレクトリ内の\Report-Designer\lib\jdbc\ フォルダにコピーします。
\Report-Designer\ フォルダ内のreport-designer.bat ファイルを実行してReport-Designer UI を開きます。
Data -> Add Data Source -> Advanced -> JDBC（Custom）をクリックし、新しいDatabricks 接続を作成して、ドライバーで新しいデータソースを作成します。表示されるダイアログで、以下のように接続プロパティを設定します。
- Custom Connection URL property：JDBC URL を入力します。JDBC URL はjdbc:databricks: で始まり、その後にセミコロン区切りで接続プロパティを指定します。
  
  Databricks 接続プロパティの取得・設定方法
  
  Databricks クラスターに接続するには、以下のプロパティを設定します。
  - Database：Databricks データベース名。
  - Server：Databricks クラスターのサーバーのホスト名。
  - HTTPPath：Databricks クラスターのHTTP パス。
  - Token：個人用アクセストークン。この値は、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。
  Databricks インスタンスで必要な値は、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見つけることができます。
  Databricks への認証
  
  CData は、次の認証スキームをサポートしています。
  - 個人用アクセストークン
  - Microsoft Entra ID（Azure AD）
  - Azure サービスプリンシパル
  - OAuthU2M
  - OAuthM2M
  個人用アクセストークン
  認証するには、次を設定します。
  - AuthScheme：PersonalAccessToken。
  - Token：Databricks サーバーへの接続に使用するトークン。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。
  その他の認証方法については、ヘルプドキュメントの「はじめに」セクション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 の構成については、Databricks 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.databricks.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。
  
  JDBC URL を設定する際、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ます。特にレポートやビジュアライゼーションを設計する際のパフォーマンス向上に役立ちます。
  
  一般的なJDBC URL は次のとおりです：
```
jdbc:databricks:Server=127.0.0.1;HTTPPath=MyHTTPPath;User=MyUser;Token=MyToken;
```
- Custom Driver Class Name：cdata.jdbc.databricks.DatabricksDriver を入力します。
- User Name：認証に使用するユーザー名。
- Password：認証に使用するパスワード。

レポートにDatabricks のデータを追加

Databricks のデータをもとにレポートを作成する準備が整いました。

レポートにDatabricks のソースを追加します。Data -> Add Data Source -> JDBC をクリックしてデータソースを選択します。
クエリを設定します。この記事では以下のクエリを使用します：
```
SELECT City, CompanyName FROM Customers WHERE Country = 'US'
```
レポートにチャートをドラッグし、ダブルクリックしてチャートを編集します。レポートを実行してチャートを表示します。このクエリの結果を使用して、Customers テーブルのシンプルなチャートを作成できます。
最後に、レポートを実行してチャートを確認します。