Google Data Fusion で ScrapingBee 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 API Driver for JDBC 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 ScrapingBee 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、ScrapingBee 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、ScrapingBee から Google BigQuery へデータをパイプする方法を説明します。

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

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

Google Data Fusion で ScrapingBee 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 ScrapingBee 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-api）
   • Plugin Type を "jdbc" に設定します
   • Connection String を ScrapingBee の JDBC URL に設定します。例：
     
     jdbc:api:RTK=5246...;Profile=C:\profiles\ScrapingBee.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key";

     API キー認証の設定

     ScrapingBee は API キー認証を使用します。API キーを取得するには、以下のステップで進めます：

     1. https://app.scrapingbee.com で ScrapingBee アカウントにサインインします
     2. Dashboard に移動して、上部のセクションで API キーを確認します。
     3. 接続文字列で使用する API キーをコピーします。

     API キーを取得したら、以下の接続プロパティを設定します：

     • AuthScheme：APIKey に設定します。
     ProfileSettings 接続プロパティには以下を設定します：
     • APIKey：ScrapingBee の API キーに設定します。

     接続文字列の例

     Profile=C:\profiles\ScrapingBee.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key";
     

     ScrapingBee への接続

     認証を設定すると、ScrapingBee に接続して、利用可能なテーブルからデータをクエリできます。すべてのテーブルでは、データを取得するために少なくとも 1 つの入力パラメータ（検索クエリや商品 ID など）が必要です。

     ビルトイン接続文字列デザイナー

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