Pentaho Data Integration でSFTP のデータを連携

Jerod Johnson
Director, Technology Evangelism

Pentaho Data Integration で SFTP のデータをベースにした ETL パイプラインを構築します。

CData JDBC Driver for SFTP 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、SFTP のデータに JDBC データソースとして接続し、Pentaho Data Integration で SFTP 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。

SFTP への接続を設定

FTP は、SFTP プロトコルを使用してSFTP サーバーとの間のファイル転送を行います。接続するにはRemoteHost を指定します。FTP はUser、Password、および公開鍵認証（SSHClientCert）を使用します。 SSHAuthMode を選択し、選択に基づいて接続値を指定します。

次の接続プロパティを設定し、ファイルシステムのリレーショナルビューをコントロールします。

RemotePath: 現在の作業ディレクトリに設定。
TableDepth: ビューとしてレポートするサブフォルダの深度を制御するために設定。
FileRetrievalDepth: ファイルを再帰的に取得し、Root テーブルにリストするために設定。

ストアドプロシージャは、ファイル、のダウンロード、アップロード、およびプロトコルコマンドの送信に利用できます。SQL を使用してサーバーと対話する方法の詳細については、ヘルプドキュメントの「データモデル」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、SFTP 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.sftp.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。

組み込みの接続文字列デザイナーを使用して JDBC URL を生成（Salesforce の例）

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:sftp:RemoteHost=MyFTPServer;

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

Pentaho DI から SFTP に接続

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

「General」をクリックします。
Connection name を設定します（例：SFTP Connection）。
Connection type を「Generic database」に設定します。
Access を「Native (JDBC)」に設定します。
Custom connection URL に SFTP の接続文字列を設定します（例：
```
jdbc:sftp:RemoteHost=MyFTPServer;
```
）。
Custom driver class name を「cdata.jdbc.sftp.SFTPDriver」に設定します。
接続をテストし、「OK」をクリックして保存します。