Google Data Fusion で Hive に連携した ETL プロセスを作成

Google Data Fusion を使用すると、セルフサービス型のデータ連携を行い、異なるデータソースを統合できます。CData JDBC Driver for Apache Hive をアップロードすることで、Google Data Fusion のパイプライン内から Hive 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す。CData JDBC Driver を使用すると、Hive のデータ を Google Data Fusion でネイティブにサポートされている任意のデータソースにパイプできますが、この記事では、Hive から Google BigQuery へデータをパイプする方法を説明します。

CData JDBC Driver for Apache Hive を Google Data Fusion にアップロード

CData JDBC Driver for Apache Hive を Google Data Fusion インスタンスにアップロードして、Hive のデータ にリアルタイムでアクセスしましょう。Google Data Fusion では JDBC ドライバーの命名規則に制限があるため、JAR ファイルを driver-version.jar という形式に合わせてコピーまたはリネームしてください。例：cdataapachehive-2020.jar

1. Google Data Fusion インスタンスを開きます
2. をクリックしてエンティティを追加し、ドライバーをアップロードします
3. "Upload driver" タブで、リネームした JAR ファイルをドラッグまたは参照します。
4. "Driver configuration" タブで以下を設定します：
   • Name: ドライバーの名前（cdata.jdbc.apachehive）を作成し、メモしておきます
   • Class name: JDBC クラス名を設定します：（cdata.jdbc.apachehive.ApacheHiveDriver）
   
5. "Finish" をクリックします

Google Data Fusion で Hive のデータ に接続

JDBC Driver をアップロードしたら、Google Data Fusion のパイプラインで Hive のデータ にリアルタイムでアクセスできます。

1. Pipeline Studio に移動して、新しいパイプラインを作成します
2. "Source" オプションから "Database" をクリックして、JDBC Driver 用のソースを追加します
3. Database ソースの "Properties" をクリックしてプロパティを編集します

   NOTE：Google Data Fusion で JDBC Driver を使用するには、ライセンス（製品版またはトライアル）とランタイムキー（RTK）が必要です。ライセンス（またはトライアル）の取得については、CData までお問い合わせください。

   • Label を設定します
   • Reference Name を将来の参照用の値に設定します（例：cdata-apachehive）
   • Plugin Type を "jdbc" に設定します
   • Connection String を Hive の JDBC URL に設定します。例：
     
     jdbc:apachehive:RTK=5246...;Server=127.0.0.1;Port=10000;TransportMode=BINARY;

     Apache Hive への接続を確立するには以下を指定します。

     • Server：HiveServer2 をホストするサーバーのホスト名またはIP アドレスに設定。
     • Port：HiveServer2 インスタンスへの接続用のポートに設定。
     • TransportMode：Hive サーバーとの通信に使用するトランスポートモード。有効な入力値は、BINARY およびHTTP です。デフォルトではBINARY が選択されます。
     • AuthScheme：使用される認証スキーム。有効な入力値はPLAIN、LDAP、NOSASL、およびKERBEROS です。デフォルトではPLAIN が選択されます。
     • CData 製品においてTLS/SSL を有効化するには、UseSSL をTrue に設定します

     ビルトイン接続文字列デザイナー

     JDBC URL の作成には、Hive JDBC Driver に組み込まれている接続文字列デザイナーを使用できます。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 ファイルを実行してください。

           java -jar cdata.jdbc.apachehive.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。

     
   • Import Query を Hive から取得したいデータを抽出する SQL クエリに設定します。例：
     SELECT * FROM Customers
   
4. "Sink" タブから、同期先シンクを追加します（この例では Google BigQuery を使用します）
5. BigQuery シンクの "Properties" をクリックしてプロパティを編集します
   • Label を設定します
   • Reference Name を apachehive-bigquery のような値に設定します
   • Project ID を特定の Google BigQuery プロジェクト ID に設定します（またはデフォルトの "auto-detect" のままにします）
   • Dataset を特定の Google BigQuery データセットに設定します
   • Table を Hive のデータ を挿入するテーブル名に設定します
   

Source と Sink を設定すると、Hive のデータ を Google BigQuery にパイプする準備が整います。パイプラインを保存してデプロイしてください。パイプラインを実行すると、Google Data Fusion が Hive からリアルタイムデータをリクエストし、Google BigQuery にインポートします。

これはシンプルなパイプラインの例ですが、変換、分析、条件などを使用してより複雑な Hive パイプラインを作成できます。CData JDBC Driver for Apache Hive の 30日間の無償トライアルをダウンロードして、今すぐ Google Data Fusion で Hive のデータ をリアルタイムで活用しましょう。