ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →CData
こんにちは!ドライバー周りのヘルプドキュメントを担当している古川です。
Apache Airflow を使うと、データエンジニアリングワークフローの作成、スケジューリング、および監視を行うことができます。CData JDBC Driver for Bing と組み合わせることで、Airflow からリアルタイムBing Search データに連携できます。 この記事では、Apache Airflow インスタンスからBing Search データに接続してクエリを実行し、結果をCSV ファイルに保存する方法を紹介します。
最適化されたデータ処理が組み込まれたCData JDBC Driver は、リアルタイムBing Search データを扱う上で高いパフォーマンスを提供します。 Bing Search にSQL クエリを発行すると、CData ドライバーはフィルタや集計などのBing Search 側でサポートしているSQL 操作をBing Search に直接渡し、サポートされていない操作(主にSQL 関数とJOIN 操作)は組み込みSQL エンジンを利用してクライアント側で処理します。 組み込みの動的メタデータクエリを使用すると、ネイティブのデータ型を使ってBing Search データを操作および分析できます。
JDBC URL の作成の補助として、Bing Search JDBC Driver に組み込まれている接続文字列デザイナーが使用できます。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 ファイルを実行します。
java -jar cdata.jdbc.bing.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。
Bing に接続するには、ApiKey 接続プロパティを設定します。 API キーを取得するには、Microsoft Cognitive Services にサインインし、Bing Search API に登録します。
登録が完了すると、2つのキーが生成されます。いずれか1つをAPIKey に使用できます。
テーブルをクエリする際は、WHERE 句にSearchTerms パラメーラを指定する必要があります。
クラスタ環境またはクラウドでJDBC ドライバーをホストするには、ライセンス(フルまたはトライアル)およびランタイムキー(RTK)が必要です。本ライセンス(またはトライアル)の取得については、こちらからお問い合わせください。
以下は、JDBC 接続で要求される必須プロパティです。
プロパティ | 値 |
---|---|
Database Connection URL |
jdbc:bing:RTK=5246...;APIKey=MyAPIKey;
|
Database Driver Class Name | cdata.jdbc.bing.BingDriver |
jdbc:bing:RTK=5246...;APIKey=MyAPIKey;
Airflow におけるDAG は、ワークフローのプロセスを格納するエンティティであり、DAG にトリガーを設定することでワークフローを実行することができます。 今回のワークフローでは、シンプルにBing Search データに対してSQL クエリを実行し、結果をCSV ファイルに格納します。
import time from datetime import datetime from airflow.decorators import dag, task from airflow.providers.jdbc.hooks.jdbc import JdbcHook import pandas as pd # Dag の宣言 @dag(dag_id="bing search_hook", schedule_interval="0 10 * * *", start_date=datetime(2022,2,15), catchup=False, tags=['load_csv']) # Dag となる関数を定義(取得するテーブルは必要に応じて変更してください) def extract_and_load(): # Define tasks @task() def jdbc_extract(): try: hook = JdbcHook(jdbc_conn_id="jdbc") sql = """ select * from Account """ df = hook.get_pandas_df(sql) df.to_csv("/{some_file_path}/{name_of_csv}.csv",header=False, index=False, quoting=1) # print(df.head()) print(df) tbl_dict = df.to_dict('dict') return tbl_dict except Exception as e: print("Data extract error: " + str(e)) jdbc_extract() sf_extract_and_load = extract_and_load()