Google Data Fusion で PostgreSQL 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 PostgreSQL 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 PostgreSQL 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、PostgreSQL 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、PostgreSQL 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 PostgreSQL を Google Data Fusion にアップロード

CData JDBC Driver for PostgreSQL を Google Data Fusion インスタンスにアップロードして、PostgreSQL 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：cdatapostgresql-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.postgresql）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.postgresql.PostgreSQLDriver）
   
5. "Finish" をクリックします

Google Data Fusion で PostgreSQL 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 PostgreSQL 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-postgresql）
   • Plugin Type を "jdbc" に設定します
   • Connection String を PostgreSQL の JDBC URL に設定します。例：
     
     jdbc:postgresql:RTK=5246...;User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5432;

     PostgreSQL への接続には、Server、Port（デフォルトは5432）、Database、およびUser、Password のプロパティを設定します。Database プロパティが設定されない場合には、User のデフォルトデータベースに接続します。

     パスワード方式によるSSH 接続

     パスワード方式によるSSH接続時に必要なプロパティ一覧を以下に示します。

     • User: PostgreSQL のユーザ
     • Password: PostgreSQL のパスワード
     • Database: PostgreSQL の接続先データベース
     • Server: PostgreSQL のサーバー
     • Port: PostgreSQL のポート
     • UserSSH: "true"
     • SSHAuthMode: "Password"
     • SSHPort: SSH のポート
     • SSHServer: SSH サーバー
     • SSHUser: SSH ユーザー
     • SSHPassword: SSH パスワード

     接続文字列形式では以下のようになります。

     User=admin;Password=adminpassword;Database=test;Server=postgresql-server;Port=5432;UseSSH=true;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHPassword=sshpasswd;

     公開鍵認証方式によるSSH 接続

     公開鍵認証によるSSH接続時に必要なプロパティ一覧を以下に示します。

     • User: PostgreSQL のユーザ
     • Password: PostgreSQL のパスワード
     • Database: PostgreSQL の接続先データベース
     • Server: PostgreSQL のサーバー
     • Port: PostgreSQL のポート
     • UserSSH: "true"
     • SSHAuthMode: "Public_Key"
     • SSHClientCertType: キーストアの種類
     • SSHPort: SSH のポート
     • SSHServer: SSH サーバー
     • SSHUser: SSH ユーザー
     • SSHClientCert: 秘密鍵ファイルのパス

     接続文字列形式では以下のようになります。

     User=admin;Password=adminpassword;Database=test;Server=PostgreSQL-server;Port=5432;UseSSH=true;SSHClientCertType=PEMKEY_FILE;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHClientCert=C:\Keys\key.pem;

     ビルトイン接続文字列デザイナー

     JDBC URL の作成には、PostgreSQL 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.postgresql.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 PostgreSQL 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 Orders
   
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 postgresql-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 PostgreSQL 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、PostgreSQL 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 PostgreSQL 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 PostgreSQL パイプラインを作成できます。CData JDBC Driver for PostgreSQL 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 PostgreSQL のデータ をリアルタイムで活用しましょう。