Google Data Fusion で Google Data Catalog に連携した ETL プロセスを作成

Google Data Fusion を使用すると、セルフサービス型のデータ連携を行い、異なるデータソースを統合できます。CData JDBC Driver for Google Data Catalog をアップロードすることで、Google Data Fusion のパイプライン内から Google Data Catalog のデータ にリアルタイムでアクセスできるようになります。CData JDBC Driver を使用すると、Google Data Catalog のデータ を Google Data Fusion でネイティブにサポートされている任意のデータソースにパイプできますが、この記事では、Google Data Catalog から Google BigQuery へデータをパイプする方法を説明します。

CData JDBC Driver for Google Data Catalog を Google Data Fusion にアップロード

CData JDBC Driver for Google Data Catalog を Google Data Fusion インスタンスにアップロードして、Google Data Catalog のデータ にリアルタイムでアクセスしましょう。Google Data Fusion では JDBC ドライバーの命名規則に制限があるため、JAR ファイルを driver-version.jar という形式に合わせてコピーまたはリネームしてください。例：cdatagoogledatacatalog-2020.jar

1. Google Data Fusion インスタンスを開きます
2. をクリックしてエンティティを追加し、ドライバーをアップロードします
3. "Upload driver" タブで、リネームした JAR ファイルをドラッグまたは参照します。
4. "Driver configuration" タブで以下を設定します：
   • Name: ドライバーの名前（cdata.jdbc.googledatacatalog）を作成し、メモしておきます
   • Class name: JDBC クラス名を設定します：（cdata.jdbc.googledatacatalog.GoogleDataCatalogDriver）
   
5. "Finish" をクリックします

Google Data Fusion で Google Data Catalog のデータ に接続

JDBC Driver をアップロードしたら、Google Data Fusion のパイプラインで Google Data Catalog のデータ にリアルタイムでアクセスできます。

1. Pipeline Studio に移動して、新しいパイプラインを作成します
2. "Source" オプションから "Database" をクリックして、JDBC Driver 用のソースを追加します
3. Database ソースの "Properties" をクリックしてプロパティを編集します

   NOTE：Google Data Fusion で JDBC Driver を使用するには、ライセンス（製品版またはトライアル）とランタイムキー（RTK）が必要です。ライセンス（またはトライアル）の取得については、CData までお問い合わせください。

   • Label を設定します
   • Reference Name を将来の参照用の値に設定します（例：cdata-googledatacatalog）
   • Plugin Type を "jdbc" に設定します
   • Connection String を Google Data Catalog の JDBC URL に設定します。例：
     
     jdbc:googledatacatalog:RTK=5246...;ProjectId=YourProjectId;

     Google Data Catalog 接続プロパティの取得・設定方法

     認証プロパティを追加する前に、次の接続プロパティを設定してください。

     • OrganizationId：接続するGoogle Cloud Platform の組織リソースに関連付けられたID。これはGCP コンソールに移動して確認してください。 「プロジェクト」ドロップダウンメニューを開き、リストから組織へのリンクをクリックします。このページから組織ID を取得できます。
     • ProjectId：接続するGCP のプロジェクトリソースに関連付けられたID。GCP コンソールのダッシュボードに移動し、「プロジェクトを選択」のメニューからお好みのプロジェクトを選択して確認してください。プロジェクトID は、「プロジェクト情報」項目に表示されます。

     Google Data Catalog への認証

     CData 製品は、認証にユーザーアカウント、サービスアカウント、およびGCP インスタンスアカウントの使用をサポートします。

     OAuth の設定方法については、ヘルプドキュメントの「OAuth」セクションを参照してください。

     ビルトイン接続文字列デザイナー

     JDBC URL の作成には、Google 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 ファイルを実行してください。

           java -jar cdata.jdbc.googledatacatalog.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。

     
   • Import Query を Google Data Catalog から取得したいデータを抽出する SQL クエリに設定します。例：
     SELECT * FROM Schemas
   
4. "Sink" タブから、同期先シンクを追加します（この例では Google BigQuery を使用します）
5. BigQuery シンクの "Properties" をクリックしてプロパティを編集します
   • Label を設定します
   • Reference Name を googledatacatalog-bigquery のような値に設定します
   • Project ID を特定の Google BigQuery プロジェクト ID に設定します（またはデフォルトの "auto-detect" のままにします）
   • Dataset を特定の Google BigQuery データセットに設定します
   • Table を Google Data Catalog のデータ を挿入するテーブル名に設定します
   

Source と Sink を設定すると、Google Data Catalog のデータ を Google BigQuery にパイプする準備が整います。パイプラインを保存してデプロイしてください。パイプラインを実行すると、Google Data Fusion が Google Data Catalog からリアルタイムデータをリクエストし、Google BigQuery にインポートします。

これはシンプルなパイプラインの例ですが、変換、分析、条件などを使用してより複雑な Google Data Catalog パイプラインを作成できます。CData JDBC Driver for Google Data Catalog の 30日間の無償トライアルをダウンロードして、今すぐ Google Data Fusion で Google Data Catalog のデータ をリアルタイムで活用しましょう。