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

Google Sheets 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 Spreadsheets\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、Google Sheets 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、Google Sheets への認証用のJDBC URL を作成します。

スプレッドシートに接続するには、Google への認証を行い、Spreadsheet 接続プロパティにスプレッドシートの名前またはフィードリンクを設定します。Google Drive のスプレッドシートの情報一覧を表示したい場合は、認証後にSpreadsheets ビューにクエリを実行します。

ClientLogin（ユーザー名 / パスワード認証）は、2012年4月20日より正式に非推奨となり、現在は利用できません。代わりに、OAuth 2.0 認証規格を使用してください。 個々のユーザーに代わってGoogle API にアクセスするには、埋め込みクレデンシャルを使用するか、独自のOAuth アプリを登録します。

OAuth は、Google Apps ドメインのユーザーに代わって、サービスアカウントを使って接続することもできます。サービスアカウントで認証するには、OAuth JWT 値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。

Google アカウント、Google Apps アカウント、二段階認証を使用するアカウントなど、様々なアカウントタイプでGoogle スプレッドシートに接続する方法は、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、Google Sheets 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.googlesheets.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、Google Sheets への一般的なJDBC 接続文字列です。

jdbc:googlesheets:Spreadsheet=MySheet;

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

Google Sheets 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googlesheets-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 Spreadsheets、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.googlesheets.GoogleSheetsDriver）、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（googlesheets-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.googlesheets.jar
	driver_class: cdata.jdbc.googlesheets.GoogleSheetsDriver
	url: jdbc:googlesheets:Spreadsheet=MySheet;
	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 googlesheets-mysql.yml

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

フィルタリングした Google Sheets 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.googlesheets.jar
	driver_class: cdata.jdbc.googlesheets.GoogleSheetsDriver
	url: jdbc:googlesheets:Spreadsheet=MySheet;
	query: "SELECT Shipcountry, OrderPrice 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 Spreadsheets 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Google Sheets 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。