Amazon SageMaker Canvas から RDS 経由で Bitbucket のリアルタイムデータを活用

Amazon SageMaker Canvas は、コードを書かずに予測の生成、データの準備、モデルの構築ができるノーコード機械学習プラットフォームです。CData Connect AI と組み合わせることで、クラウド間でリアルタイムにBitbucket のデータにアクセスし、カスタム機械学習モデルの構築、顧客離反予測、テキスト生成、チャットボット開発など、さまざまな用途に活用できます。この記事では、RDS コネクタを使用して Amazon SageMaker Canvas から Connect AI に接続し、Bitbucket のデータを ML モデルのデプロイメントに統合する方法をご紹介します。

CData Connect AI は、Bitbucket 向けに純粋な SQL インターフェースをクラウド間で提供します。これにより、データをレプリケーションすることなく、Amazon SageMaker Canvas からBitbucket のデータに簡単に接続できます。Connect AI は Amazon SageMaker Canvas からは SQL Server データベースとまったく同じように見え、フィルタや JOIN などの SQL 操作をBitbucketに直接プッシュする最適化されたデータ処理により、サーバーサイド処理を活用してBitbucket のデータをすばやく取得します。

Bitbucket への接続を設定（Amazon SageMaker Canvas 向け）

Amazon SageMaker Canvas から Bitbucket への接続は、CData Connect AI を介して行います。それでは、Bitbucket のデータを Amazon SageMaker Canvas から利用できるようにするため、Bitbucket への接続を作成していきましょう。

1. Connect AI にログインして「Sources」をクリック、次に「 Add Connection」をクリック

2. 接続を追加パネルから「Bitbucket」を選択

3. Bitbucket に接続するために必要な認証プロパティを入力します。

   ほとんどのクエリでは、ワークスペースを設定する必要があります。唯一の例外は、Workspacesテーブルです。このテーブルはこのプロパティの設定を必要とせず、クエリを実行すると、Workspaceの設定に使用できるワークスペーススラッグのリストが提供されます。このテーブルにクエリを実行するには、スキーマを'Information'に設定し、SELECT * FROM Workspacesクエリを実行する必要があります。

   Schemaを'Information'に設定すると、一般的な情報が表示されます。Bitbucketに接続するには、以下のパラメータを設定してください。

   • Schema: ワークスペースのユーザー、リポジトリ、プロジェクトなどの一般的な情報を表示するには、これを'Information'に設定します。それ以外の場合は、クエリを実行するリポジトリまたはプロジェクトのスキーマに設定します。利用可能なスキーマの完全なセットを取得するには、sys_schemasテーブルにクエリを実行してください。
   • Workspace: Workspacesテーブルにクエリを実行する場合を除き、必須です。Workspacesテーブルへのクエリにはこのプロパティは必要ありません。そのクエリはWorkspaceの設定に使用できるワークスペーススラッグのリストのみを返すためです。

   Bitbucketでの認証

   BitbucketはOAuth認証のみをサポートしています。すべてのOAuthフローからこの認証を有効にするには、カスタムOAuthアプリケーションを作成し、AuthSchemeをOAuthに設定する必要があります。

   特定の認証ニーズ（デスクトップアプリケーション、Webアプリケーション、ヘッドレスマシン）に必要な接続プロパティについては、ヘルプドキュメントを必ず確認してください。

   カスタムOAuthアプリケーションの作成

   Bitbucketアカウントから、以下のステップを実行します。

   1. 設定（歯車アイコン）に移動し、ワークスペース設定を選択します。
   2. アプリと機能セクションで、OAuthコンシューマーを選択します。
   3. コンシューマーを追加をクリックします。
   4. カスタムアプリケーションの名前と説明を入力します。
   5. コールバックURLを設定します。
      • デスクトップアプリケーションとヘッドレスマシンの場合、http://localhost:33333または任意のポート番号を使用します。ここで設定するURIがCallbackURLプロパティになります。
      • Webアプリケーションの場合、信頼できるリダイレクトURLにコールバックURLを設定します。このURLは、ユーザーがアプリケーションにアクセスが許可されたことを確認するトークンを持って戻るWebの場所です。
   6. クライアント認証情報を使用して認証する予定の場合、これはプライベートコンシューマーですを選択する必要があります。ドライバーでは、AuthSchemeをclientに設定する必要があります。
   7. OAuthアプリケーションに与える権限を選択します。これにより、読み取りおよび書き込みできるデータが決まります。
   8. 新しいカスタムアプリケーションを保存するには、保存をクリックします。
   9. アプリケーションが保存された後、それを選択して設定を表示できます。アプリケーションのKeyとSecretが表示されます。これらを将来の使用のために記録してください。Keyを使用してOAuthClientIdを設定し、Secretを使用してOAuthClientSecretを設定します。
   
4. 「Save & Test」をクリック
5. Bitbucket 接続の追加ページで「Permissions」タブに移動し、ユーザーベースの権限を更新します。

パーソナルアクセストークンを追加

REST API、OData API、または仮想 SQL Server を通じて Connect AI に接続する場合は、パーソナルアクセストークン（PAT）を使用して認証を行います。アクセス管理を細かく制御するため、サービスごとに個別の PAT を作成することをお勧めします。

1. Connect AI アプリの右上にある歯車アイコン（）をクリックして設定ページを開きます。
2. 設定ページで「Access Tokens」セクションに移動し、「 Create PAT」をクリックします。
3. PAT に名前を付けて「Create」をクリックします。
4. パーソナルアクセストークンは作成時にのみ表示されます。必ずコピーして、今後の利用のために安全に保管してください。

接続の設定と PAT の生成が完了したら、Amazon SageMaker Canvas からBitbucket のデータに接続する準備は完了です。

Amazon SageMaker Canvas から CData Connect AI に接続

CData Connect AI での接続設定が完了したら、RDS コネクタを使用してBitbucket のデータを Amazon SageMaker Canvas に統合していきましょう。

1. Amazon SageMaker Canvas でドメインとユーザープロファイルを選択し、「Open Canvas」をクリックします。
2. Canvas アプリケーションが開いたら、左側のパネルに移動して「My models」を選択します。
3. My models 画面で「Create new model」をクリックします。
4. Create new model ウィンドウでモデル名を入力し、Problem type を選択します。「Create」をクリックします。
5. モデルバージョンが作成されたら、Select dataset タブで「Create dataset」をクリックします。
6. Create a tabular dataset ウィンドウで「Dataset name」を入力し、「Create」をクリックします。
7. 「Data Source」ドロップダウンをクリックして RDS コネクタを検索またはナビゲートし、「 Add Connection」をクリックします。
8. Add a new RDS connection ウィンドウで、以下のプロパティを設定します。
   
   
   • Connection Name: 任意の接続名
   • Engine type を sqlserver-web に設定
   • Port を 14333 に設定
   • Address を tds.cdata.com に設定
   • Username を Connect AI ユーザー（例: [email protected]）に設定
   • Password を上記ユーザーの PAT に設定
   • Database name を Bitbucket 接続名（例: Bitbucket1）に設定
9. 「Create connection」をクリックします。

Bitbucket を Amazon SageMaker Canvas に統合

RDS で Connect AI への接続が設定できたら、Bitbucket のデータを Amazon SageMaker Canvas のデータセットに統合していきましょう。

1. Bitbucket のデータで作成した RDS のテーブル形式データセットで、検索バーまたは接続リストから Connect AI で設定した Bitbucket 接続を検索します。
2. Bitbucket から使用したいテーブルを選択し、右側のキャンバスにドラッグ＆ドロップします。
3. 以下のように、Bitbucket 接続から任意の数のテーブルを結合してワークフローを作成できます。「Create dataset」をクリックします。
4. データセットが作成されたら、「Select dataset」をクリックしてモデルを構築します。
5. 分析を実行し、予測を生成してモデルをデプロイします。

これで、Amazon SageMaker からBitbucket のデータにリアルタイムでアクセスできるようになりました。カスタム ML モデルを構築し、ビジネスの予測インサイトを生成して、組織の成長に活用してください。

クラウドアプリケーションから Bitbucket への SQL アクセス

Amazon SageMaker Canvas からBitbucket のデータへのダイレクト接続が完成しました。データをレプリケーションすることなく、接続やデータセット、予測モデルをさらに追加してビジネスを推進できます。

数百種類の SaaS、ビッグデータ、NoSQL ソースにクラウドアプリケーションから直接リアルタイムアクセスするには、CData Connect AI をご覧ください。