Pentaho Data Integration でGoogle Cloud Storage のデータを連携

CData JDBC Driver for Google Cloud Storage 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、Google Cloud Storage のデータ に JDBC データソースとして接続し、Pentaho Data Integration で Google Cloud Storage 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。

Google Cloud Storage への接続を設定

ユーザーアカウントでの認証

ユーザー資格情報の接続プロパティを設定することなく接続できます。InitiateOAuth をGETANDREFRESH に設定したら、接続の準備が完了です。

接続すると、Google Cloud Storage OAuth エンドポイントがデフォルトブラウザで開きます。ログインして権限を付与すると、OAuth プロセスが完了します。

サービスアカウントでの認証

サービスアカウントには、ブラウザでユーザー認証を行わないサイレント認証があります。サービスアカウントを使用して、企業全体のアクセススコープを委任することもできます。

このフローでは、OAuth アプリケーションを作成する必要があります。詳しくは、ヘルプドキュメントを参照してください。以下の接続プロパティを設定したら、接続の準備が完了です：

• InitiateOAuth: GETANDREFRESH に設定。
• OAuthJWTCertType: PFXFILE に設定。
• OAuthJWTCert: 生成した.p12 ファイルへのパスに設定。
• OAuthJWTCertPassword: .p12 ファイルのパスワードに設定。
• OAuthJWTCertSubject: 証明書ストアの最初の証明書が選ばれるように"*" に設定。
• OAuthJWTIssuer: 「サービスアカウント」セクションで「サービスアカウントの管理」をクリックし、このフィールドをサービスアカウントID フィールドに表示されているE メールアドレスに設定。
• OAuthJWTSubject: サブジェクトタイプが"enterprise" に設定されている場合はエンタープライズID に設定し、"user" に設定されている場合はアプリユーザーID に設定。
• ProjectId: 接続するプロジェクトのID に設定。

これで、サービスアカウントのOAuth フローが完了します。

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、Google Cloud Storage 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.googlecloudstorage.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:googlecloudstorage:ProjectId='project1';

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

Pentaho DI から Google Cloud Storage に接続

Pentaho Data Integration を開き、「Database Connection」を選択して CData JDBC Driver for Google Cloud Storage 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：Google Cloud Storage 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 Google Cloud Storage の接続文字列を設定します（例：
   

   jdbc:googlecloudstorage:ProjectId='project1';

   ）。
6. Custom driver class name を「cdata.jdbc.googlecloudstorage.GoogleCloudStorageDriver」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。

Google Cloud Storage のデータパイプラインを作成

CData JDBC Driver を使用して Google Cloud Storage 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、Google Cloud Storage 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 Google Cloud Storage の 30日間無料トライアルをダウンロードして、Pentaho Data Integration で Google Cloud Storage 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。