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

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

データソースを認証するには、データプロバイダーのドキュメント内の「はじめに」セクションをご覧ください。 データプロバイダーはXML API を双方向データベーステーブルとしてモデル化し、XML ファイルをread-only ビュー（ローカルファイル、人気のクラウドサービスに格納されたファイル、およびFTP サーバー）としてモデル化します。 HTTP Basic、Digest、NTLM、OAuth、およびFTP を含む主な認証スキームはサポートされています。認証のガイドについては、データプロバイダーのドキュメント内の「はじめに」セクションをご覧ください。

URI と認証値を設定した後で、DataModel を設定することでデータの構造によりよくマッチするようデータの抽象化を調整できます。

DataModel プロパティはデータがどのようにテーブルとして抽象化されるかを制御するプロパティであり、次の基本的な設定を調整します。

• Document（デフォルト）：XML データのトップレベルのドキュメントビューをモデル化します。データプロバイダーは入れ子化した要素をデータの集約値として返します。
• FlattenedDocuments：入れ子化したドキュメントとその親を結合して単一のテーブルに入力します。
• Relational：個別の関連テーブルを階層化されたデータから返します。テーブルは主キーと、親ドキュメントにリンクする外部キーを含みます。

リレーショナルな抽象化の設定についての詳細は、「XML データのモデリング」セクションを参照してください。次の例で使用されているサンプルデータも存在します。 このデータには、人名、その人たちが所有する車、車に施されたさまざまなメンテナンスに関する情報が含まれます。

組み込みの接続文字列デザイナー

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

jdbc:xml:URI=C:/people.xml;DataModel=Relational;

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

XML 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xml-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 XML、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.xml.XMLDriver）、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（xml-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.xml.jar
	driver_class: cdata.jdbc.xml.XMLDriver
	url: jdbc:xml:URI=C:/people.xml;DataModel=Relational;
	table: "people"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "people"
	mode: insert

ファイルを作成したら、Embulk ジョブを実行します。

embulk run xml-mysql.yml

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

フィルタリングした XML 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.xml.jar
	driver_class: cdata.jdbc.xml.XMLDriver
	url: jdbc:xml:URI=C:/people.xml;DataModel=Relational;
	query: "SELECT [ personal.name.first ], [ personal.name.last ] FROM people WHERE [RecordId] = 1"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "people"
	mode: insert

詳細情報と無料トライアル

CData JDBC Driver for XML 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XML 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。