Databricks（AWS）でConfluence のデータを処理・分析

Jerod Johnson
Jerod Johnson
Senior Technology Evangelist
CData、AWS、Databricks を使用して、リアルタイムConfluence のデータに対してデータエンジニアリングとデータサイエンスを実行。

Databricks は、Apache Spark を通じたデータ処理機能を提供するクラウドベースのサービスです。CData JDBC Driver と組み合わせることで、Databricks を使用してリアルタイムConfluence のデータに対してデータエンジニアリングとデータサイエンスを実行できます。この記事では、AWS でCData JDBC Driver をホストし、Databricks でリアルタイムConfluence のデータに接続して処理する方法を説明します。

最適化されたデータ処理が組み込まれたCData JDBC Driver は、リアルタイムConfluence のデータを扱う上で比類のないパフォーマンスを提供します。Confluence に複雑な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Confluence に直接プッシュし、サポートされていない操作（主にSQL 関数やJOIN 操作）は組み込みSQL エンジンを利用してクライアント側で処理します。組み込みの動的メタデータクエリを使用すると、ネイティブデータ型を使ってConfluence のデータを操作・分析できます。

CData JDBC Driver をDatabricks にインストール

Databricks でリアルタイムConfluence のデータを操作するには、Databricks クラスターにドライバーをインストールします。

  1. Databricks の管理画面に移動し、対象のクラスターを選択します。
  2. Libraries タブで「Install New」をクリックします。
  3. Library Source として「Upload」を選択し、Library Type として「Jar」を選択します。
  4. インストール場所（通常はC:\Program Files\CData[product_name]\lib）からJDBC JAR ファイル（cdata.jdbc.confluence.jar）をアップロードします。

ノートブックでConfluence のデータにアクセス：Python

JAR ファイルをインストールしたら、Databricks でリアルタイムConfluence のデータを操作する準備が整いました。ワークスペースに新しいノートブックを作成します。ノートブックに名前を付け、言語としてPython を選択し（Scala も利用可能）、JDBC ドライバーをインストールしたクラスターを選択します。ノートブックが起動したら、接続を設定し、Confluence をクエリして、基本的なレポートを作成できます。

Confluence への接続を設定

JDBC Driver クラスを参照し、JDBC URL で使用する接続文字列を構築してConfluence に接続します。また、JDBC URL でRTK プロパティを設定する必要があります（Beta ドライバーを使用している場合を除く）。このプロパティの設定方法については、インストールに含まれるライセンスファイルを参照してください。

ステップ1：接続情報

driver = "cdata.jdbc.confluence.ConfluenceDriver"
url = "jdbc:confluence:RTK=5246...;User=admin;APIToken=myApiToken;Url=https://yoursitename.atlassian.net;Timezone=America/New_York;"

組み込みの接続文字列デザイナー

JDBC URL の作成をサポートするために、Confluence JDBC Driver に組み込まれている接続文字列デザイナーが使用できます。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.confluence.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。

Confluence 接続プロパティの取得・設定方法

任意のConfluence Cloud またはConfluence Server インスタンスへの接続を確立できます。接続するにはURL 接続プロパティを設定します。例えば、https://yoursitename.atlassian.net です。

Confluence への認証

Confluence は、次の認証メソッドをサポートしています：API トークン、Basic 認証、OAuth 2.0、SSO。

API トークン - Confluence Cloud アカウント

トークンの取得

アカウント認証にはAPI トークンが必要です。API トークンを生成するには、Atlassian アカウントにログインしてAPI トークン -> API トークンの作成を選択します。生成されたトークンが表示されます。

トークンを使用する認証

Cloud アカウントへの認証を行うには、以下を入力します。

  • AuthScheme：APIToken に設定。
  • User：Confluence サーバーに認証する際に使用されるユーザー。
  • APIToken：現在認証されているユーザーに紐づくAPI トークン。
  • Url：Confluence エンドポイントに紐づくURL。例えば、https://yoursitename.atlassian.net です。

Basic 認証 - Confluence Server インスタンス

Server インスタンスへの認証を行うには、以下のように指定します。

  • AuthScheme：Basic に設定。
  • User：Confluence インスタンスに認証する際に使用されるユーザー。
  • Password：Confluence サーバーに認証する際に使われるパスワード。
  • Url：Confluence エンドポイントに紐づくURL。例えば、https://yoursitename.atlassian.net です。
その他の認証方法と詳細については、ヘルプドキュメントの「はじめに」セクションを参照してください。

Confluence のデータをロード

接続を設定したら、CData JDBC Driver と接続情報を使用して、Confluence のデータをDataFrame としてロードできます。

ステップ2：データの読み取り

remote_table = spark.read.format ( "jdbc" ) \
	.option ( "driver" , driver) \
	.option ( "url" , url) \
	.option ( "dbtable" , "Pages") \
	.load ()

Confluence のデータを表示

ロードしたConfluence のデータをdisplay 関数を呼び出して確認します。

ステップ3：結果の確認

display (remote_table.select ("Key"))

Databricks でConfluence のデータを分析

Databricks SparkSQL でデータを処理するには、ロードしたデータをTemp View として登録します。

ステップ4：ビューまたはテーブルを作成

remote_table.createOrReplaceTempView ( "SAMPLE_VIEW" )

Temp View を作成したら、SparkSQL を使用してConfluence のデータをレポート、ビジュアライゼーション、分析用に取得できます。

% sql

SELECT Key, Name FROM SAMPLE_VIEW ORDER BY Name DESC LIMIT 5

Confluence からのデータは、対象のノートブックでのみ利用可能です。他のユーザーと共有したい場合は、テーブルとして保存します。

remote_table.write.format ( "parquet" ) .saveAsTable ( "SAMPLE_TABLE" )

CData JDBC Driver for Confluence の30日間無償トライアルをダウンロードして、Databricks でリアルタイムConfluence のデータの操作をはじめましょう。ご不明な点があれば、サポートチームにお問い合わせください。

はじめる準備はできましたか？

Confluence Driver の無料トライアルをダウンロードしてお試しください：

 ダウンロード

詳細：

Confluence Icon Confluence JDBC Driver お問い合わせ

Confluence に連携するJava アプリケーションを素早く、簡単に開発できる便利なドライバー。

この記事の内容

関連記事