CData Connect AI を使用して Google Cloud Data Fusion でリアルタイムの Databricks のデータ パイプラインを構築

Google Cloud Data Fusion は、ビジュアルインターフェースを使用してさまざまなソースと同期先間でデータを接続、変換、移動できるため、データパイプラインの構築と管理を簡素化します。CData Connect AI と組み合わせることで、ELT/ETL データパイプラインの構築と管理にDatabricks のデータへのアクセスが可能になります。この記事では、CData Connect AI を使用して Databricks へのライブ接続を作成する方法と、Cloud Data Fusion プラットフォームからリアルタイムのDatabricks のデータに接続・アクセスする方法を説明します。

はじめに

---

Cloud Data Fusion 用の Databricks 接続を設定

Cloud Data Fusion から Databricks への接続は、CData Connect AI によって実現されます。Cloud Data Fusion からDatabricks のデータを扱うには、まず Databricks 接続を作成・設定します。

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

2. Add Connection パネルから「Databricks」を選択

3. 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 インスタンスで必要な値は、クラスターに移動して目的のクラスターを選択し、Advanced Options の下にあるJDBC/ODBC タブを選択することで見つけることができます。

   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。

   
4. Save & Test をクリック
5. Add Databricks Connection 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。

Personal Access Token を追加

REST API、OData API、または仮想 SQL Server 経由で Connect AI に接続する場合、Personal Access Token（PAT）が Connect AI への接続認証に使用されます。アクセスの粒度を維持するため、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 Settings ページを開きます。
2. Settings ページで Access Tokens セクションに移動し、 Create PAT をクリック。
3. PAT に名前を付けて Create をクリック。
4. Personal Access Token は作成時にのみ表示されるので、必ずコピーし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、Cloud Data Fusion からDatabricks のデータに接続する準備が整いました。

Cloud Data Fusion から Databricks に接続

以下の手順に従って、CData Connect AI JDBC ドライバーを介して Cloud Data Fusion から Databricks への接続を確立します：

1. CData Connect AI JDBC ドライバーをダウンロード・インストール：
   1. CData Connect AI の Integrations ページを開きます。
   2. JDBC を検索・選択します。
   3. セットアップファイルをダウンロードして実行します。
   4. インストールが完了したら、インストールディレクトリ（例：C:\Program Files\CData\JDBC Driver for CData Connect\lib）から JAR ファイル（cdata.jdbc.connect.jar）をコピーします。
2. Cloud Data Fusion にログイン。
3. 右上の緑色の「+」ボタンをクリックしてエンティティを追加。
4. Driver の下で Upload をクリック。
5. CData Connect AI JDBC ドライバー（JAR ファイル）をアップロード。
6. ドライバー設定を入力：
   • Name：ドライバー名を入力
   • Class name：「cdata.jdbc.connect.ConnectDriver」 と入力
   • Version：ドライバーのバージョンを入力
   • Description（オプション）：ドライバーの説明を入力
7. Finish をクリック。
8. ソース設定を入力：
   • Label：接続を識別するための名前
   • JDBC driver name：ステップ 6 で設定したドライバーを識別する JDBC ドライバー名を入力
   • Connection string：JDBC 接続文字列を入力（例：

     jdbc:connect:AuthScheme=Basic;user=username;password=PAT;

   • User：CData Connect AI のユーザー名（CData Connect AI インターフェースの右上に表示）を入力（例：「[email protected]」）
   • Password：Settings ページで生成した PAT を入力
9. 右上の Validate をクリック。
10. 接続が成功したら、UI を通じてパイプラインを編集・管理できます。
11. 作成したパイプラインを実行。

トラブルシューティング

Cloud Data Fusion では、ソースデータの 「int」 型が自動的に 「long」 にキャストされる既知の問題があることにご注意ください。

クラウドアプリケーションから Databricks のデータ へのリアルタイムアクセス

これで、Google Cloud Data Fusion からリアルタイムのDatabricks のデータへの直接接続が確立されました。Databricks のデータ をレプリケーションすることなく、さまざまなソースと同期先間でデータをスムーズに移動できる接続を追加作成し、データ統合プロセスを効率化できます。

クラウドアプリケーションから Databricks を含む 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については、CData Connect AI をご覧ください。