Exploratory でHDFS のデータを連携する方法

こんにちは！テクニカルディレクターの桑島です。

CData ODBC Driver for HDFS は、ODBC 経由でリアルタイムHDFS データ に標準SQL での利用を可能にします。 ここでは、汎用ODBC データプロバイダーとしてHDFS に接続し、データアナリティクスツールのExploratory (https://exploratory.io/) からHDFS のデータを連携利用する手順を説明します。
Exploratory は、多くのRDB やRedshift、BigQuery などのクラウドデータストアに対応していますが、SaaS データを分析したい場合にはCData ODBC ドライバを使うことで、API コーディング不要でデータを活用できます。今回はHDFS を例に説明します。

CData ODBC ドライバとは？

CData ODBC ドライバは、以下のような特徴を持ったリアルタイムデータ連携ソリューションです。

1. HDFS をはじめとする、CRM、MA、会計ツールなど多様なカテゴリの270種類以上のSaaS / オンプレミスデータソースに対応
2. 多様なアプリケーション、ツールにHDFS のデータを連携
3. ノーコードでの手軽な接続設定
4. 標準 SQL での柔軟なデータ読み込み・書き込み

CData ODBC ドライバでは、1.データソースとしてHDFS の接続を設定、2.Exploratory 側でODBC Driver との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。

CData ODBC ドライバのインストールとHDFS への接続設定

まずは、本記事右側のサイドバーからHDFS ODBC Driver の無償トライアルをダウンロード・インストールしてください。30日間無償で、製品版の全機能が使用できます。

次にマシンにHDFS のデータ に接続するODBC DSN を設定します。Exploratory からはそのODBC DSN を参照する形になります。ODBC DSN 設定の詳細については、ドキュメントを参照してください。

HDFS 接続プロパティの取得・設定方法

HDFS への認証には、次の接続プロパティを設定します。

• Host：HDFS インスタンスのホストに設定してください。
• Port: HDFS インスタンスのポートに設定してください。デフォルトのポートは"50070" です。

Exploratory 上でHDFS のデータをセット

• Exploratory で［コネクション］をクリックして新しいコネクションを作成します。
• ［追加］→［ODBC］の順にクリック。
• コネクション追加画面で先ほど設定したHDFS ODBC のDSN を設定します。
  名前：任意
  タイプ：ODBC
  DSN：上の設定したDSN 名（CData HDFS Sys）
  
• コネクションテストを下の地、［追加］を押して接続を確定させます。

Exploratory でHDFS のデータをクエリし、データフレームとして保存

さあ、Exploratory からHDFS のデータを扱ってみましょう。

• Exploratory でプロジェクトを［新規作成］します。
• ［データフレーム］の［+］印をクリックし、［データベースデータ］を選択します。
• データベースは［ODBC］をクリック。
• ［コネクション］で先ほど設定したHDFS のコネクションを選択します。
• RDB ソースの感覚でSELECT クエリでHDFS のデータをクエリします。標準SQL でフィルタリング、ソート、JOIN も可能です。
• データセットをデータフレームとして保存します。

Exploratory でのHDFS のデータの分析

データフレームになったデータは通常のRDB データソースと同じようにExploratory で利用可能です。

おわりに

このようにCData ODBC ドライバと併用することで、270を超えるSaaS、NoSQL データをコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。

CData ODBC ドライバは日本のユーザー向けに、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。