Pentaho Data Integration でImpala のデータを連携

Jerod Johnson
Senior Technology Evangelist

Pentaho Data Integration で Impala のデータをベースにした ETL パイプラインを構築します。

CData JDBC Driver for Impala 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、Impala のデータに JDBC データソースとして接続し、Pentaho Data Integration で Impala 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。

Impala への接続を設定

Apache Impala に接続するには、Server、Port、およびProtocolVersion を設定してください。オプションでデフォルトのDatabase を指定することもできます。 NOSASL、LDAP、またはKerberos といった別の方法で接続するには、オンラインのヘルプドキュメント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 の構築を支援するには、Impala 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.apacheimpala.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。

組み込みの接続文字列デザイナーを使用して JDBC URL を生成（Salesforce の例）

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:apacheimpala:Server=127.0.0.1;Port=21050;

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

Pentaho DI から Impala に接続

Pentaho Data Integration を開き、「Database Connection」を選択して CData JDBC Driver for Impala への接続を設定します。

「General」をクリックします。
Connection name を設定します（例：Impala Connection）。
Connection type を「Generic database」に設定します。
Access を「Native (JDBC)」に設定します。
Custom connection URL に Impala の接続文字列を設定します（例：
```
jdbc:apacheimpala:Server=127.0.0.1;Port=21050;
```
）。
Custom driver class name を「cdata.jdbc.apacheimpala.ApacheImpalaDriver」に設定します。
接続をテストし、「OK」をクリックして保存します。