Pentaho Data Integration でGitHub のデータを連携

CData JDBC Driver for GitHub を使用すると、データパイプラインからリアルタイムデータにアクセスできます。Pentaho Data Integration は、ETL（Extraction, Transformation, and Loading）エンジンであり、データをクレンジングし、アクセス可能な統一フォーマットでデータを格納します。この記事では、GitHub のデータ に JDBC データソースとして接続し、Pentaho Data Integration で GitHub のデータ をベースにしたジョブやトランスフォーメーションを構築する方法を説明します。

GitHub への接続を設定

GitHub への接続には、OAuth 2 認証標準を使います。OAuth で認証するには、アプリを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。

組み込みの接続文字列デザイナー

JDBC URL の構築を支援するには、GitHub JDBC Driver に組み込まれている接続文字列デザイナーを使用してください。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.github.jar

接続プロパティを設定し、接続文字列をクリップボードにコピーします。

JDBC URL を設定する際には、Max Rows 接続プロパティの設定も検討してください。これにより返される行数が制限され、レポートやビジュアライゼーションの設計時にパフォーマンスを向上させることができます。

一般的な JDBC URL は次のようになります：

jdbc:github:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;

接続文字列を保存して、Pentaho Data Integration で使用します。

Pentaho DI から GitHub に接続

Pentaho Data Integration を開き、「Database Connection」を選択して CData JDBC Driver for GitHub への接続を設定します。

1. 「General」をクリックします。
2. Connection name を設定します（例：GitHub Connection）。
3. Connection type を「Generic database」に設定します。
4. Access を「Native (JDBC)」に設定します。
5. Custom connection URL に GitHub の接続文字列を設定します（例：
   

   jdbc:github:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;

   ）。
6. Custom driver class name を「cdata.jdbc.github.GitHubDriver」に設定します。
7. 接続をテストし、「OK」をクリックして保存します。

GitHub のデータパイプラインを作成

CData JDBC Driver を使用して GitHub への接続が設定されたら、新しいトランスフォーメーションまたはジョブを作成する準備が整いました。

1. 「File」>>「New」>>「Transformation/job」をクリックします。
2. 「Table input」オブジェクトをワークフローパネルにドラッグし、GitHub 接続を選択します。
3. 「Get SQL select statement」をクリックし、Database Explorer を使用して利用可能なテーブルとビューを表示します。
4. テーブルを選択し、必要に応じてデータをプレビューして確認します。

ここから、適切な同期先を選択し、レプリケーション中にデータを変更、フィルタリング、その他の処理を行うトランスフォーメーションを追加することで、トランスフォーメーションまたはジョブを続行できます。

無料トライアルと詳細情報

CData JDBC Driver for GitHub の 30日間無料トライアルをダウンロードして、Pentaho Data Integration で GitHub のデータ のリアルタイムデータを今すぐ活用しましょう。