Pentaho Data Integration でTwitter のデータを連携

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

Twitter への接続を設定

すべてのテーブルには認証が必要です。OAuth を使用してTwitter で認証する必要があります。OAuth では認証するユーザーにブラウザでTwitter との通信を要求します。詳しくは、ヘルプドキュメントの「OAuth 認証の使用」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、Twitter 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.twitter.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。

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:twitter:

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

Pentaho DI から Twitter に接続

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

1. 「General」をクリックします。
2. Connection name を設定します（例：Twitter Connection）。
3. Connection type を「Generic database」に設定します。
4. Access を「Native (JDBC)」に設定します。
5. Custom connection URL に Twitter の接続文字列を設定します（例：
   

   jdbc:twitter:

   ）。
6. Custom driver class name を「cdata.jdbc.twitter.TwitterDriver」に設定します。
7. 接続をテストし、「OK」をクリックして保存します。

Twitter のデータパイプラインを作成

CData JDBC Driver を使用して Twitter への接続が設定されたら、新しいトランスフォーメーションまたはジョブを作成する準備が整いました。

1. 「File」>>「New」>>「Transformation/job」をクリックします。
2. 「Table input」オブジェクトをワークフローパネルにドラッグし、Twitter 接続を選択します。
3. 「Get SQL select statement」をクリックし、Database Explorer を使用して利用可能なテーブルとビューを表示します。
4. テーブルを選択し、必要に応じてデータをプレビューして確認します。

ここから、適切な同期先を選択し、レプリケーション中にデータを変更、フィルタリング、その他の処理を行うトランスフォーメーションを追加することで、トランスフォーメーションまたはジョブを続行できます。

無料トライアルと詳細情報

CData JDBC Driver for Twitter の 30日間無料トライアルをダウンロードして、Pentaho Data Integration で Twitter のデータ のリアルタイムデータを今すぐ活用しましょう。