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

はじめに

---

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

Presto への接続には、まずはServer およびPort を接続プロパティとして設定します。それ以外の追加項目は接続方式によって異なります。

TLS/SSL を有効化するには、UseSSL をTRUE に設定します。

LDAP で認証

LDAP で認証するには、次の接続プロパティを設定します:

• AuthScheme: LDAP に設定。
• User: LDAP で接続するユーザー名。
• Password: LDAP で接続するユーザーのパスワード。

Kerberos 認証

KERBEROS 認証を使う場合には、以下を設定します:

• AuthScheme: KERBEROS に設定。
• KerberosKDC: 接続するユーザーのKerberos Key Distribution Center (KDC) サービス。
• KerberosRealm: 接続するユーザーのKerberos Realm 。
• KerberosSPN: Kerberos Domain Controller のService Principal Name。
• KerberosKeytabFile: Kerberos principals とencrypted keys を含むKeytab file。
• User: Kerberos のユーザー。
• Password: Kerberos で認証するユーザーのパスワード。

組み込みの接続文字列デザイナー

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

jdbc:presto:Server=127.0.0.1;Port=8080;

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

Presto 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presto-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 Presto、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.presto.PrestoDriver）、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（presto-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.presto.jar
	driver_class: cdata.jdbc.presto.PrestoDriver
	url: jdbc:presto:Server=127.0.0.1;Port=8080;
	table: "Customer"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "Customer"
	mode: insert

ファイルを作成したら、Embulk ジョブを実行します。

embulk run presto-mysql.yml

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

フィルタリングした Presto 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.presto.jar
	driver_class: cdata.jdbc.presto.PrestoDriver
	url: jdbc:presto:Server=127.0.0.1;Port=8080;
	query: "SELECT FirstName, LastName FROM Customer WHERE [RecordId] = 1"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "Customer"
	mode: insert

詳細情報と無料トライアル

CData JDBC Driver for Presto 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Presto 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。