すべてのプロダクト
Search
ドキュメントセンター

MaxCompute:Kettleを使用したMaxComputeジョブのスケジュール

最終更新日:Dec 06, 2024

MaxComputeでは、抽出、変換、読み込み (ETL) ツールKettleを使用してMaxComputeジョブをスケジュールできます。 Kettleを使用して、コントロールをドラッグしてデータ伝送トポロジを定義できます。 このトピックでは、Java Database Connectivity (JDBC) ドライバーを使用してKettleをMaxComputeプロジェクトに接続し、Kettleを使用してMaxComputeジョブをスケジュールする方法について説明します。

背景情報

Kettleは、Javaで書かれたオープンソースのETLツールです。 Windows、UNIX、およびLinuxオペレーティングシステムで実行でき、GUIを提供します。 Kettleは、データベースやオープンソースのビッグデータシステムなど、幅広い入出力データソースをサポートしています。 データベースには、Oracle、MySQL、およびDB2データベースが含まれます。 オープンソースのビッグデータシステムには、Hadoop分散ファイルシステム (HDFS) 、HBase、Cassandra、およびMongoDBシステムが含まれます。

Kettleでジョブを作成してMaxComputeプロジェクトに接続し、ETLワークフローに基づいてジョブをスケジュールすることができます。

前提条件

  • MaxComputeプロジェクトが作成されます。

    詳細については、「MaxComputeプロジェクトの作成」をご参照ください。

  • MaxComputeプロジェクトへのアクセスに使用されるAlibaba CloudアカウントのAccessKeyペアが取得されます。

    MaxComputeコンソールの右上隅にあるプロファイル画像をクリックし、AccessKey管理を選択してAccessKeyペアを取得します。

  • jar-with-dependenciesパッケージを含むMaxCompute JDBC driver V3.2.8以降のパッケージがダウンロードされます。

    このトピックでは、MaxCompute JDBCドライバーV3.2.9を使用します。

  • Kettleインストールパッケージがダウンロードされ、ローカルディレクトリに解凍されます。

    Kettle 8.2.0.0-このトピックでは342を使用します。

手順

  1. 手順1: MaxCompute JDBCドライバのパッケージを保存する

    MaxCompute JDBCドライバーのパッケージをKettleインストールディレクトリに保存します。 次に、このドライバを使用してKettleをMaxComputeプロジェクトに接続できます。

  2. ステップ2: KettleをMaxComputeプロジェクトに接続する

    KettleをMaxComputeプロジェクトに接続するための接続パラメーターを設定します。

  3. 手順3: ジョブスケジューリングワークフローの作成

    ジョブスケジューリングワークフローを作成し、Spoonでジョブを設定します。

  4. 手順4: ジョブスケジューリングワークフローの実行

    作成したワークフローに基づいてジョブを実行します。

  5. ステップ5: ジョブスケジューリング結果

    SQLエディターを使用して、ジョブスケジューリング結果を照会します。

ステップ1: MaxCompute JDBCドライバのパッケージを保存する

odps-jdbc-3.2.9-jar-with-dependencies.jarなどのMaxCompute JDBCドライバのパッケージを、Kettleインストールディレクトリdata-integration/libに保存します。

Save the driver package

ステップ2: KettleをMaxComputeプロジェクトに接続する

  1. data-integrationディレクトリで、Spoon.bat (Windows) またはSpoon (macOS) をダブルクリックしてSpoonを起動します。

  2. スプーンのメインメニューバーで、[ファイル] > [新規] > [ジョブ] を選択してケトルジョブを作成します。 このジョブを使用して、ジョブスケジューリングワークフローを作成できます。

    Create a job

  3. 左側のウィンドウで、[表示] タブをクリックします。 表示されるナビゲーションツリーで、[データベース接続] を右クリックし、[新規] を選択します。

    Establish a data connection

  4. 表示されるダイアログボックスで、[全般] タブをクリックし、接続パラメーターを設定します。 下表に、各パラメーターを説明します。

    Configure connection parameters

    パラメーター

    説明

    接続名

    確立するデータ接続の名前 (MaxComputeなど) 。 このパラメータは、異なるデータベースへの接続を区別するために使用されます。

    回線のタイプ

    確立するデータ接続のタイプ。 ドロップダウンリストから [Generic database] を選択します。

    アクセス方法

    接続方法。 ドロップダウンリストから [Native(JDBC)] を選択します。

    Dialect言

    SQLの方言。 ドロップダウンリストからHadoop Hive 2を選択します。

    カスタム接続URL

    MaxComputeプロジェクトへの接続に使用されるURL。 形式はjdbc:odps:<MaxCompute_endpoint>?project=<MaxCompute_project_name> です。 このパラメーターを設定するときに、山かっこ (<>) を削除します。 パラメーター:

    • <MaxCompute_endpoint>: 必須です。 MaxComputeのエンドポイント。 MaxComputeプロジェクトが存在するリージョンに基づいて、このパラメーターを設定します。

      異なるリージョンのMaxComputeのエンドポイントの詳細については、「エンドポイント」をご参照ください。

    • <MaxCompute_project_name>: 必須です。 MaxCompute プロジェクトの名前を設定します。

      このパラメーターには、MaxComputeプロジェクトが対応するDataWorksワークスペースではなく、MaxComputeプロジェクトの名前を指定します。

      MaxComputeコンソールで、上部のナビゲーションバーでMaxComputeプロジェクトが存在するリージョンを選択し、[プロジェクト管理] タブでMaxComputeプロジェクトの名前を表示します。

    カスタムドライバークラス名

    MaxComputeプロジェクトへの接続に使用されるドライバー。 このパラメーターをcom.aliyun.odps.jdbc.OdpsDriverに設定します。

    ユーザー名

    MaxComputeプロジェクトへのアクセスに使用されるAccessKey ID。

    MaxComputeコンソールの右上隅にあるプロファイル画像をクリックし、AccessKey管理を選択してAccessKey IDを取得します。

    Password

    AccessKey IDに対応するAccessKeyシークレット。

    MaxComputeコンソールの右上隅にあるプロファイル画像をクリックし、AccessKey Managementを選択してAccessKeyシークレットを取得できます。

  5. [テスト] をクリックします。 次の図に示すメッセージが表示されたら、[OK] および [完了] をクリックします。

    Test

ステップ3: ジョブスケジューリングワークフローの作成

スプーンでは、[デザイン] タブでコアオブジェクト (ジョブ) を作成して関連付け、ジョブスケジューリングワークフローを作成できます。

この手順では、LOADコマンドを使用してObject Storage Service (OSS) からデータをロードし、MaxCompute内部テーブルにデータを書き込むETLワークフローを作成する方法について説明します。 サンプルデータの詳細については、「組み込みエクストラクタまたはストレージハンドラを使用したデータのインポート」をご参照ください。 次の図は、ETLワークフローに含まれるコアオブジェクトを示しています。 これらのコアオブジェクトは、タイプに基づいて分類されます。

ETL workflow

  1. スプーンで、デザインタブをクリックします。

  2. 左側のナビゲーションウィンドウで、前の図に示すコアオブジェクトを右側のジョブウィンドウにドラッグし、次の図に示す構造に基づいて線を使用してこれらのコアオブジェクトを接続します。

    2つのコアオブジェクトを接続するには、コアオブジェクトを選択し、Shiftキーを押してこのオブジェクトをターゲットオブジェクトに接続します。 Create a workflow

  3. 右側のウィンドウでコアオブジェクト (スクリプト) を右クリックし、[編集] を選択します。 [SQL] ダイアログボックスで、次の表に示すパラメーターを設定し、[OK] をクリックします。 すべてのコアオブジェクト (スクリプト) を順番に設定します。 下表に、各パラメーターを説明します。

    Edit core objects

    パラメーター

    説明

    ジョブエントリ名

    スケジュールするジョブの名前 (テーブルの作成、OSSからのロード、処理など) 。

    接続

    MaxComputeなどのデータ接続の名前。 このトピックでは、データ接続はステップ2で作成したものです。 この接続は、MaxComputeプロジェクトに接続するために使用されます。

    SQLを単一として送信

    このオプションは選択しないでください。

    SQLスクリプト

    スケジュールするジョブに対応するSQLスクリプト。 このトピックでは、次のスクリプトを使用しています。

    • テーブルの作成

      create table ambulance_data_csv_load (
      vehicleId INT,
      recordId INT,
      patientId INT,
      calls INT,
      locationLatitute DOUBLE,
      locationLongtitue DOUBLE,
      recordTime STRING,
      direction STRING);
    • OSSからのロード

      load overwrite table ambulance_data_csv_load 
      from 
      location 'oss://oss-cn-hangzhou-internal.aliyuncs.com/mc-test/data_location/' 
      stored by 'com.aliyun.odps.CsvStorageHandler' 
      with serdeproperties (
      'odps.properties.rolearn'='acs:ram::xxxxx:role/aliyunodpsdefaultrole',   -- The Alibaba Cloud Resource Name (ARN) of the AliyunODPSDefaultRole role. You can obtain the ARN from the Roles page of the Resource Access Management (RAM) console. 
      'odps.text.option.delimiter'=','
      );
    • 処理中

      insert overwrite table ambulance_data_csv select * from ambulance_data_csv_load;

ステップ4: ジョブスケジューリングワークフローの実行

  1. ジョブタブの左上隅にあるRunアイコンをクリックします。 [実行オプション] ダイアログボックスで、[実行] をクリックします。

    Run

  2. オプション: 次の図に示すメッセージが表示されたら、[はい] をクリックし、プロンプトに従ってワークフローにmcなどの名前を付けます。

    Save the workflow

  3. [実行結果] セクションの有向非巡回グラフ (DAG) または情報に基づいて、ワークフローのステータスを照会します。 次の図に示す実行結果が表示された場合、ジョブスケジューリングワークフローは完了です。

    Workflow completed

ステップ5: ジョブスケジューリング結果を表示する

ジョブスケジューリングワークフローが完了したら、SQLスクリプトを使用して、データがMaxComputeテーブルに書き込まれているかどうかを確認します。

  1. スプーンで、[表示] タブをクリックし、作成したKettleジョブ (mcなど) の下にある [データベース接続] をクリックします。

  2. 確立したデータ接続 (MaxComputeなど) を右クリックし、[SQL Editor] を選択します。

    SQL Editor

  3. [Simple SQL editor] ダイアログボックスで、SQLスクリプトを入力し、[Execute] をクリックします。 次に、[プレビューデータの検証] ダイアログボックスでクエリ結果を表示できます。

    Execute the SQL scriptサンプルSQLスクリプト:

    select * from ambulance_data_csv;