【ノーコード】Azure Synapse・Microsoft Fabric にHugging Face のデータを連携・統合する方法

宮本航太
宮本航太
プロダクトスペシャリスト
非エンジニアでも3ステップでAzure Synapse にHugging Face のデータを統合し、データ分析基盤の構築する方法を紹介。ノーコードETL / ELT ツールCData Sync を使ってノンプログラミングでデータ連携を自動化。CDCにも対応。



CData Sync は、数百のSaaS / DB のデータをAzure Synapse をはじめとする各種DB / データウェアハウスにノーコードで統合・レプリケーション（複製）が可能なETL / ELT ツールです。本記事では、Hugging Face のデータをCData Sync を使ってAzure Synapse に統合するデータパイプラインを作っていきます。

CData Sync とは？

CData Sync の概要画像

CData Sync は、レポーティング、アナリティクス、機械学習、AI などで使えるよう、社内のデータを一か所に統合して管理できるデータ基盤をノーコードで構築できるETL ツールで、以下の特徴を持っています。

  1. Hugging Face をはじめとする数百種類のSaaS / DB データに対応
  2. Azure Synapse など多くのRDB、データレイク、データストア、データウェアハウスに同期可能
  3. 業務データのデータ分析基盤へのETL / ELT 機能に特化し、極限まで設定操作をシンプルに
  4. 主要なSaaS データの差分更新やCDC（Change Data Capture、変更データキャプチャ）のサポート
  5. フレキシブルなSQL / dbt 連携での取得データの変換

CData Sync では、1.データソースとしてHugging Face の接続を設定、2.同期先としてAzure Synapse の接続を設定、3.Hugging Face からAzure Synapse へのレプリケーションジョブの作成、という3つのステップだけでレプリケーション処理を作成可能です。以下に具体的な設定手順を説明します。

1.データソースとしてHugging Face の接続を設定

まずはじめに、CData Sync のブラウザ管理コンソールにログインします。CData Sync のインストールをまだ行っていない方は本記事の製品リンクからCData Sync をクリックして、30日の無償トライアルとしてCData Sync をインストールしてください。インストール後にCData Sync が起動して、ブラウザ設定画面が開きます。

それでは、データソース側にHugging Face を設定していきましょう。左の［接続］タブをクリックします。

  1. ［＋接続の追加］ボタンをクリックします。 コネクションの追加。
  2. ［データソース］タブを選択して、リスト表示されるデータソースを選ぶか、検索バーにデータソース名を入力して、Hugging Face を見つけます。
  3. Hugging Face の右側の［→］をクリックして、Hugging Face アカウントへの接続画面を開きます。もし、Hugging Face のコネクタがデフォルトでCData Sync にインストールされていない場合には、ダウンロードアイコン（コネクタのアップロードアイコン）をクリックし、［ダウンロード］をクリックすると、CData Sync にコネクタがインストールされます。 データソースの追加。
  4. 接続プロパティにHugging Face に接続するアカウント情報を入力をします。

    HuggingFace Hub は、API へのアクセスを可能にするためにトークンベースの認証を使用します。この API では、HuggingFace Hub プラットフォーム上の機械学習モデル、データセット、スペース、論文、その他のリソースにアクセスできます。

    API キー認証の設定

    HuggingFace Hub への認証には、API Key（アクセストークン）を指定する必要があります。アクセストークンを取得するには、以下のステップで進めます：

    1. https://huggingface.co で HuggingFace アカウントにログインします
    2. Settings > Access Tokens に移動します
    3. 「New token」をクリックして新しいアクセストークンを作成します
    4. 適切な権限（read または write）を選択します
    5. トークンの値をコピーします

    アクセストークンを取得したら、以下の接続プロパティを設定します：

    • AuthScheme：APIKey に設定します。
    • APIKey：HuggingFace のアクセストークンに設定します。

    接続文字列の例

    Profile=C:\profiles\HuggingFace.apip;ProfileSettings='APIKey=hf_xxxxxxxxxxxxxxxxxxxx';

    データソースの追加。
  5. ［作成およびテスト］をクリックして、正しくHugging Face に接続できているかをテストして保存します。これでレプリケーションのデータソースとしてHugging Face への接続が設定されました。

2.同期先としてAzure Synapse の接続を設定

次に、Hugging Face のデータを書き込む先（＝同期先）として、Azure Synapse を設定します。同じく［接続］タブを開きます。

  1. ［＋接続の追加］ボタンをクリックします。
  2. ［同期先］タブを選択して、リスト表示されるデータソースを選ぶか、検索バーにデータソース名を入力して、Azure Synapse を見つけます。
  3. Azure Synapse の右側の［→］をクリックして、Azure Synapse データベースへの接続画面を開きます。もし、Azure Synapse のコネクタがデフォルトでCData Sync にインストールされていない場合には、ダウンロードアイコン（コネクタのアップロードアイコン）をクリックし、［ダウンロード］をクリックすると、CData Sync にコネクタがインストールされます。 Azure
  4. 必要な接続プロパティを入力します。Azure Synapse に接続するには、以下のAzure Synapse データベース向けの接続プロパティを設定します：
    • Server:Azure のサーバー。Azure ポータルで、Azure Synapse Analytics -> Select your database -> Overview -> Server name とナビゲートして、サーバー名を取得します。
    • Database:Azure ポータルの Azure Synapse Analytics ページでデータベース名を取得します。

    SQL Password Authentication を使う

    Microsoft SQL Server 認証でアクセスする場合には、以下を設定します：

    • User:Azure にアクセスするユーザー名。
    • Password:ユーザーのパスワード。
  5. ［作成およびテスト］をクリックして、正しく接続できているかをテストします。
    6. 同期先設定。
  6. ［変更を保存］をクリックします。

Hugging Face 接続の設定

データソース側にHugging Face を設定します。［接続］タブをクリックします。

  1. ［データソース］タブをクリックします。
  2. Hugging Face アイコンをデータソースとして選択します。プリインストールされたソースにHugging Face がない場合には、追加データソースとしてダウンロードします。
  3. 接続プロパティに入力をします。

    HuggingFace Hub は、API へのアクセスを可能にするためにトークンベースの認証を使用します。この API では、HuggingFace Hub プラットフォーム上の機械学習モデル、データセット、スペース、論文、その他のリソースにアクセスできます。

    API キー認証の設定

    HuggingFace Hub への認証には、API Key（アクセストークン）を指定する必要があります。アクセストークンを取得するには、以下のステップで進めます：

    1. https://huggingface.co で HuggingFace アカウントにログインします
    2. Settings > Access Tokens に移動します
    3. 「New token」をクリックして新しいアクセストークンを作成します
    4. 適切な権限（read または write）を選択します
    5. トークンの値をコピーします

    アクセストークンを取得したら、以下の接続プロパティを設定します：

    • AuthScheme：APIKey に設定します。
    • APIKey：HuggingFace のアクセストークンに設定します。

    接続文字列の例

    Profile=C:\profiles\HuggingFace.apip;ProfileSettings='APIKey=hf_xxxxxxxxxxxxxxxxxxxx';

    データソースの接続設定 (Salesforce is shown)。
  4. ［接続のテスト］をクリックして、正しく接続できているかをテストします。
    5. li>これで同期先としてAzure Synapse を設定できました。CData Sync では、Azure Synapse のデータベース名を指定するだけで、同期するHugging Face に併せたテーブルスキーマを自動的にCREATE TABLE してくれます。同期データに合わせたテーブルを事前に作成するなどの面倒な手順は必要ありません。もちろん、既存テーブルにマッピングを行いデータ同期を行うことも可能です。

3.Hugging Face からAzure Synapse へのレプリケーションジョブの作成

CData Sync では、レプリケーションをジョブ単位で設定します。ジョブは、Hugging Face からAzure Synapse という単位で設定し、複数のテーブルを含むことができます。レプリケーションジョブ設定には、［ジョブ］タブに進み、［＋ジョブを追加］ボタンをクリックします。 ジョブの一覧

［ジョブを追加］画面が開き、以下を入力します：

  1. 名前：ジョブの名前
  2. データソース：ドロップダウンリストから先に設定したHugging Face を選択
  3. 同期先：先に設定したAzure Synapse を選択
データソースの設定Salesforce の例）。

すべてのオブジェクトをレプリケーションする場合

Hugging Face のすべてのオブジェクト / テーブルをレプリケーションするには、［種類］セクションで［すべて同期］を選択して、［タスクを追加］ボタンで確定します。

作成したジョブ画面で、右上の［▷実行］ボタンをクリックするだけで、全Hugging Face テーブルのAzure Synapse への同期を行うことができます。

オブジェクトを選択してレプリケーションする場合

Hugging Face から特定のオブジェクト / テーブルを選択してレプリケーションを行うことが可能です。［種類］セクションでは、［標準（個別設定）］を選んでください。

次に［ジョブ］画面で、［タスク］タブをクリックし、［タスクを追加］ボタンをクリックします。 ジョブへのタスク追加Salesforce の例）。

するとCData Sync で利用可能なオブジェクト / テーブルのリストが表示されるので、レプリケーションを行うオブジェクトにチェックを付けます（複数選択可）。［タスクを追加］ボタンで確定します。

タスク選択（Salesforce の例）。

作成したジョブ画面で、［▷実行］ボタンをクリックして（もしくは各タスク毎の実行ボタンを押して）、レプリケーションジョブを実行します。 作成したジョブの実行（Salesforce の例）。

このようにとても簡単にHugging Face からAzure Synapse への同期を行うことができました。

CData Sync の主要な機能を試してみる：スケジューリング・差分更新・ETL

ジョブのスケジュール起動設定

CData Sync では、同期ジョブを1日に1回や15分に1回などのスケジュール起動をすることができます。ジョブ画面の［概要］タブから［スケジュール］パネルを選び、［⚙設定］ボタンをクリックします。［間隔］と同期時間の［毎時何分］を設定し、［保存］を押して設定を完了します。これでCData Sync が同期ジョブをスケジュール実行してくれます。ユーザーはダッシュボードで同期ジョブの状態をチェックするだけです。 スケジュール実行設定。

差分更新

CData Sync では、主要なデータソースでは、差分更新が可能です。差分更新では、最後のジョブ実行時からデータソース側でデータの追加・変更があったデータだけを同期するので、レプリケーションのクエリ・通信のコストを圧倒的に抑えることが可能です。

差分更新を有効化するには、ジョブの［概要］タブから「差分更新」パネルを選び、［⚙設定］ボタンをクリックします。［開始日］と［レプリケーション間隔］を設定して、［保存］します。

SQL での取得データのカスタマイズ

CData Sync は、デフォルトではHugging Face のオブジェクト / テーブルをそのままAzure Synapse に複製しますが、ここにSQL、またはdbt 連携でのETL 処理を組み込むことができます。テーブルカラムが多すぎる場合や、データ管理の観点から一部のカラムだけをレプリケーションしたり、さらにデータの絞り込み（フィルタリング）をしたデータだけをレプリケーションすることが可能です。

ジョブの［概要］タブ、［タスク］タブへと進みます。選択されたタスク（テーブル）の［▶］の左側のメニューをクリックし、［編集］を選びます。タスクの編集画面が開きます。

UI からカラムを選択する場合には、［カラム］タブから［マッピング編集］をクリックします。レプリケーションで使用しないカラムからチェックを外します。

SQL を記述して、フィルタリングなどのカスタマイズを行うには、［クエリ］タブをクリックし、REPLICATE ［テーブル名］の後に標準SQL でフィルタリングを行います。 レプリケーションのカスタマイズ設定。

Hugging Face からAzure Synapse へのデータ同期には、ぜひCData Sync をご利用ください

このようにノーコードで簡単にHugging Face のデータをAzure Synapse にレプリケーションできます。データ分析、AI やノーコードツールからのデータ利用などさまざまな用途でCData Sync をご利用いただけます。30日の無償トライアルで、シンプルでパワフルなデータパイプラインを体感してください。

日本のユーザー向けにCData Sync は、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。

CData Sync の 導入事例を併せてご覧ください。

はじめる準備はできましたか？

詳細はこちら、または無料トライアルにお申し込みください：

CData Sync

この記事の内容

関連記事