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

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

Phoenix Query Server 経由でApache Phoenix に接続します。デフォルトのポートと異なる場合は、Server とPort プロパティを設定してApache Phoenix に接続します。Servre プロパティは通常、Apache Phoenix をホストしているサーバーのホスト名またはIP アドレスです。

Apache Phoenix への認証

デフォルトでは、認証は使用されません（プレーン）。サーバーに認証が設定されている場合は、AuthScheme をNEGOTIATE に設定して、 必要な場合にはUser とPassword プロパティを設定して、Kerberos で認証します。

組み込みの接続文字列デザイナー

JDBC URL の作成には、Phoenix 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.apachephoenix.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、Phoenix への一般的なJDBC 接続文字列です。

jdbc:apachephoenix:Server=localhost;Port=8765;

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

Phoenix 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apachephoenix-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 Phoenix、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.apachephoenix.ApachePhoenixDriver）、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（apachephoenix-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.apachephoenix.jar
	driver_class: cdata.jdbc.apachephoenix.ApachePhoenixDriver
	url: jdbc:apachephoenix:Server=localhost;Port=8765;
	table: "MyTable"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "MyTable"
	mode: insert

ファイルを作成したら、Embulk ジョブを実行します。

embulk run apachephoenix-mysql.yml

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

フィルタリングした Phoenix 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.apachephoenix.jar
	driver_class: cdata.jdbc.apachephoenix.ApachePhoenixDriver
	url: jdbc:apachephoenix:Server=localhost;Port=8765;
	query: "SELECT Id, Column1 FROM MyTable WHERE [RecordId] = 1"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "MyTable"
	mode: insert

詳細情報と無料トライアル

CData JDBC Driver for Phoenix 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Phoenix 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。