Embulk を使用して FTP 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 FTP と組み合わせることで、FTP 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 FTP をEmbulk で使用してFTP 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FTP 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。FTP 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FTP 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。

FTP 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 FTP\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、FTP 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、FTP への認証用のJDBC URL を作成します。

FTP は、プレーンテキスト接続およびSSL/TLS 接続の両方をサポートします。FTP サーバーに接続するには、RemoteHost、User、およびPassword を指定します。SSLMode およびSSLServerCert を設定して、TSL/SSL による接続をセキュアにします。TLS/SSL を介した接続の設定について詳しくは、ヘルプドキュメントの「高度な設定」を参照してください。

次の接続プロパティを設定し、ファイルシステムのリレーショナルビューをコントロールします。

• RemotePath：現在の作業ディレクトリに設定。
• TableDepth：ビューとしてレポートするサブフォルダの深度を制御するために設定。
• FileRetrievalDepth：ファイルを再帰的に取得し、Root テーブルにリストするために設定。

ストアドプロシージャ は、ファイル、のダウンロード、アップロード、およびプロトコルコマンドの送信に利用できます。 SQL を使用してサーバーと対話する方法の詳細については、ヘルプドキュメントの「データモデル」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、FTP 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.ftp.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、FTP への一般的なJDBC 接続文字列です。

jdbc:ftp:RemoteHost=MyFTPServer;

Embulk で FTP 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FTP のデータをMySQL にロードする準備が整いました。

FTP 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ftp-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 FTP、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.ftp.FTPDriver）、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（ftp-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.ftp.jar
	driver_class: cdata.jdbc.ftp.FTPDriver
	url: jdbc:ftp:RemoteHost=MyFTPServer;
	table: "MyDirectory"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "MyDirectory"
	mode: insert

ファイルを作成したら、Embulk ジョブを実行します。

embulk run ftp-mysql.yml

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

フィルタリングした FTP 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.ftp.jar
	driver_class: cdata.jdbc.ftp.FTPDriver
	url: jdbc:ftp:RemoteHost=MyFTPServer;
	query: "SELECT Filesize, Filename FROM MyDirectory WHERE [RecordId] = 1"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "MyDirectory"
	mode: insert

詳細情報と無料トライアル

CData JDBC Driver for FTP 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FTP 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。