Airbyte ELT パイプラインで Databricks のデータに接続
Airbyte は、データウェアハウス、データレイク、データベースなど、あらゆるデータストアにデータをロードできる強力なツールです。CData Connect AI と組み合わせることで、Airbyte ユーザーはリアルタイムの Databricks のデータ から直接 Extract, Load, Transform（ELT）パイプラインを作成できます。本記事では、Connect AI を通じて Databricks に接続し、Airbyte 内で Databricks のデータ の ELT パイプラインを構築する手順を説明します。
CData Connect AI は Databricks 専用の SQL Server インターフェースを提供し、ネイティブデータベースへのデータレプリケーションを行うことなくデータをクエリできます。最適化されたデータ処理機能を内蔵しており、フィルタや JOIN を含むサポート対象のすべての SQL 操作を Databricks に直接転送します。これにより、サーバーサイド処理を活用して目的の Databricks のデータ を高速に取得できます。
Databricks データ連携について
CData を使用すれば、Databricks のライブデータへのアクセスと統合がこれまでになく簡単になります。お客様は CData の接続機能を以下の目的で利用しています：
- Runtime バージョン 9.1 - 13.X から Pro および Classic Databricks SQL バージョンまで、すべてのバージョンの Databricks にアクセスできます。
- あらゆるホスティングソリューションとの互換性により、お好みの環境で Databricks を使用し続けることができます。
- パーソナルアクセストークン、Azure サービスプリンシパル、Azure AD など、さまざまな方法で安全に認証できます。
- Databricks ファイルシステム、Azure Blob ストレージ、AWS S3 ストレージを使用して Databricks にデータをアップロードできます。
多くのお客様が、さまざまなシステムから Databricks データレイクハウスにデータを移行するために CData のソリューションを使用していますが、ライブ接続ソリューションを使用して、データベースと Databricks 間の接続をフェデレートしているお客様も多数います。これらのお客様は、SQL Server リンクサーバーまたは Polybase を使用して、既存の RDBMS 内から Databricks へのライブアクセスを実現しています。
一般的な Databricks のユースケースと CData のソリューションがデータの問題解決にどのように役立つかについては、ブログをご覧ください：What is Databricks Used For? 6 Use Cases
はじめに
Airbyte 用に Databricks への接続を構成
Airbyte から Databricks への接続は、CData Connect AI を介して実現します。Airbyte で Databricks のデータ を利用するには、まず Databricks 接続を作成・設定します。
- Connect AI にログインし、Sources をクリックして、 Add Connection をクリックします
- Add Connection パネルから「Databricks」を選択します
-
Databricks に接続するために必要な認証プロパティを入力します。
Databricks 接続プロパティの取得・設定方法
Databricks クラスターに接続するには、以下のプロパティを設定します。
- Database：Databricks データベース名。
- Server：Databricks クラスターのサーバーのホスト名。
- HTTPPath：Databricks クラスターのHTTP パス。
- Token：個人用アクセストークン。この値は、Databricks インスタンスのユーザー設定ページに移動してアクセストークンタブを選択することで取得できます。
Databricks への認証
CData は、次の認証スキームをサポートしています。
- 個人用アクセストークン
- Microsoft Entra ID（Azure AD）
- Azure サービスプリンシパル
- OAuthU2M
- OAuthM2M
個人用アクセストークン
認証するには、次を設定します。
- AuthScheme：PersonalAccessToken。
- Token：Databricks サーバーへの接続に使用するトークン。Databricks インスタンスのユーザー設定ページに移動してアクセストークンタブを選択することで取得できます。
その他の認証方法については、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。
- Save & Test をクリックします
-
Add Databricks Connection ページの 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の追加
REST API、OData API、または仮想 SQL Server を介して Connect AI に接続する際、パーソナルアクセストークン（PAT）を使用して Connect AI への接続を認証します。アクセスの粒度を維持するために、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。
- 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。
- Settings 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。
-
PAT に名前を付けて Create をクリックします。
- 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、将来の使用に備えて安全な場所に保存してください。
接続の設定と PAT の生成が完了したら、Airbyte から Databricks のデータ に接続する準備が整いました。
Airbyte から Databricks に接続
Airbyte から CData Connect AI への接続を確立するには、以下の手順に従います。
- Airbyte アカウントにログインします
- 左側のパネルで Sources をクリックし、Add New Source をクリックします
- Source Type を MSSQL Server に設定して TDS エンドポイントに接続します
- Source Name を設定します
- Host URL を tds.cdata.com に設定します
- Port を 14333 に設定します
- Database を事前に設定した接続名（例：Databricks1）に設定します
- Username を Connect AI のユーザー名に設定します
- SSL Method を Encrypted (trust server certificate) に設定し、Replication Method は標準のまま、SSH Tunnel Method を No Tunnel に設定します
- （オプション）Schema にソースに適用したい値を設定します
- Password を Connect AI の PAT に設定します
- （オプション）必要な JDBC URL パラメータを入力します
- Test and Save をクリックしてデータソースを作成します。
Databricks のデータ用の ELT パイプラインを作成
Databricks のデータ を新しい同期先に接続するには、Sources をクリックし、Set Up Connection をクリックして同期先に接続します。上記で作成したソースと目的の同期先を選択し、Airbyte の処理が完了するまで待ちます。完了すると、接続が使用可能になります。
CData Connect AI の入手
Airbyte から 300 以上の SaaS、ビッグデータ、NoSQL ソースへのリアルタイムデータアクセスを実現するには、 CData Connect AI をぜひお試しください！