Apache Atlas - インポート
Availability-note
AWS
AWS 専用機能は us.cloud.talend.com、eu.cloud.talend.com、ap.cloud.talend.com で利用できます。
ブリッジの要件
このブリッジ:ドライバーを<TDC_HOME>/data/download/MIMB/にダウンロードするためには、https://repo.maven.apache.org/maven2/ やその他のツールサイトへのインターネットアクセスが必要です。
そのSDKにアクセスするためにはツールのインストールが必要です。
ブリッジの仕様
| ベンダー | Apache |
| ツール名 | アトラス |
| ツールバージョン | Atlas 2.x |
| ツールのWebサイト | http://atlas.apache.org/ |
| サポートされている方法論 | [メタデータ管理] マルチモデル、メタデータリポジトリー、データストア(物理データモデル)、Java REST API経由のETL (ソースとターゲットのデータストア、変換来歴、式解析) |
| データプロファイリング |  |
| 増分収集 | |
| マルチモデル収集 |  |
| モデル選択のためのリモートリポジトリーの参照 | |
仕様
ツール: Java REST API経由のApache / AtlasバージョンAtlas 2.x
http://atlas.apache.org/をご覧ください。
メタデータ: [メタデータ管理] マルチモデル、メタデータリポジトリー、データストア(物理データモデル)、ETL (ソースとターゲットのデータストア、変換来歴、式解析)
コンポーネント: ApacheAtlasバージョン11.2.0
免責事項
このインポートブリッジでは、インターネットに接続して次のサードパーティライブラリーをダウンロードする必要があります。
- オープンソースのサードパーティライブラリーのダウンロードはhttps://repo.maven.apache.org/maven2/などへ
- その他のサードパーティソフトウェア(データベース特定のJDBCドライバーなど)は該当するサイトへ
ダウンロードされたサードパーティライブラリーは、$HOME/data/download/MIMB/に格納されています。
HTTPSが失敗した場合、インポートブリッジはHTTPを試します。
- インターネットへのアクセスにプロキシを使用している場合は、JREでそのプロキシを設定する必要があります(Miscellaneousパラメーターで -j オプションをご覧ください)。
- インポートブリッジではインターネットにフルにアクセスできない場合は、インターネットアクセスがある別のサーバーから$HOME/data/download/MIMB/ディレクトリーをコピーします。$HOME/bin/MIMB.sh (または.bat) -dというコマンドを使えば、すべてのブリッジで使用される全サードパーティライブラリーを一度にダウンロードできます。
このインポートブリッジを実行すると、ライセンス規約の責任、およびダウンロードしたサードパーティソフトウェアライブラリーによって生じる潜在的なセキュリティの脆弱性を受け入れることになります。
概要
Atlasリポジトリーには、HDFSファイルとHiveテーブルのHadoopデータストア定義、および両者の間の操作のデータフロー来歴が含まれています。
Atlasリポジトリーは、各種アプリケーションや取り込みフレームワーク/ETL /DIジョブが生成する各種テクノロジー(Map/Reduce、Pig、Impalaなど)の実行ログからこのようなデータフロー来歴を判別します。
このAtlasインポートブリッジの目的は、データストアの定義を抽出することではなく、HiveとHDFSのインポートブリッジを使用することです。
ただし、このAtlasインポートブリッジの目的は、インポート済みのHDFSとHiveデータストア間のデータフロー来歴(DIプロセス)を抽出することです。
元のスクリプトと相関関係にある詳細なフィーチャー/カラムレベルの来歴が取得しやすくなるよう、専用のHiveQLまたはSparkのインポートブリッジを優先させます。
要件
該当なし
よくある質問
該当なし
制限事項
現在判明している一般的な制限事項は、MIMB Known Limitationsか、バンドルされているDocumentation/ReadMe/MIMBKnownLimitations.htmlをご覧ください
サポート
トラブルシューティングパッケージを次の項目と共に提供してください。
- デバッグログ(UIまたはconf/conf.propertiesでMIR_LOG_LEVEL=6を使って設定可能)
- 利用できる場合はメタデータバックアップ(技術的理由によりこの共通オプションが実装されていないブリッジがあるものの、Miscellaneousパラメーターで-backupオプションを使って設定可能)
ブリッジパラメーター
| パラメーター名 | 説明 | タイプ | 値 | デフォルト | 範囲 | |||
| URL | メタデータサーバーのURLです。 例: http://localhost:21000/ |
STRING | 必須 | |||||
| ログイン | メタデータサーバーへの接続に使われるユーザーアカウントの名前です | STRING | holger_gov | |||||
| パスワード | メタデータサーバーへの接続に使われるユーザーアカウントのパスワードです。 | パスワード | holger_gov | |||||
| エンティティフィルター | ブリッジは、このパラメーターでフィルタリングされた開始エンティティセットを使って来歴をインポートして構築します。クエリー構文はAtlasの検索UIとまったく同じです。 基本的なフルテキストモードと詳細DSLモードの使用が許可されています。フルテキストモード使用時はエンティティタイプが[DataSet]に設定されます。 クエリーの例: schemaname.tablename hdfs://quickstart.cloudera:8020/user/hive/warehouse/customers* hive_table where name='test' インポートを高速化するためには、クエリーをできるだけ正確に記述し、インポートする前にAtlas UI内のフィルタリング済みエンティティカウントをチェックしてください。 |
STRING | 必須 | |||||
| 来歴の方向 | このパラメーターを使用して、来歴抽出の方向を設定します | ENUMERATED |
|
BP_LINEAGE_DIRECTION_BOTH | ||||
| Kerberos設定ファイル | Kerberos krb5設定ファイル(通常は内部で正しく設定されているkrb5.iniまたはkrb5.conf)へのパス( /etc/krb5/krb5.confなど)です。 |
STRING | ||||||
| Kerberos login.confファイル | 正しいkeytabファイルのパスとプリンシパル名を持つlogin.confへのパス。例: client { com.sun.security.auth.module.Krb5LoginModule required useKeyTab=true storeKey=true keyTab=/path/to/userKeytab principal='userName'; }; |
STRING | ||||||
| Miscellaneous | はじめに ダッシュで始まるMiscellaneousオプションを指定し、必要であればその後にパラメーターを追加できます。例: - connection.cast MyDatabase1="MICROSOFT SQL SERVER" 該当する場合は複数回使用できるオプションもあります。例: - connection.rename NewConnection1=OldConnection1 -connection.rename NewConnection2=OldConnection2; オプションのリストは長い文字列になるため、${MODEL_BRIDGE_HOME}\data\MIMB\parametersにあり拡張子が.txtであるファイルからロードすることもできます。その場合、オプションはすべて、このパラメーターの唯一の値としてそのファイル内で定義されることが必要です。例: ETL/Miscellaneous.txt JAVA環境のオプション -java.memory <Javaメモリの最大サイズ> (以前の-m) 64ビットJREではデフォルトで1G、またはconf/conf.properties内の設定に従います。例: -java.memory 8G -java.memory 8000M -java.parameters <Javaランタイム環境コマンドラインオプション> (以前の-j) -java.parameters -Dname=value -Xms1G のように、-java.parametersの後ろのテキストはすべてそのままJREに渡されるため、このオプションはMiscellaneousパラメーター内の最後に来る必要があります。インターネットへのアクセスにプロキシを使用している場合は、必要なサードパーティのソフトウェアライブラリーをダウンロードできるよう、次のオプションを設定する必要があります(このオプションはhttps://repo.maven.apache.org/maven2/にアクセスするため、そして例外的にいくつかの他のツールサイトにアクセスするために不可欠です)。 注: プロキシは、(会社の)外部トラフィックをHTTPSで暗号化しながら、HTTPでプロキシにアクセスできる内部トラフィックを信頼しているものがほとんどです。この場合、HTTPSリクエストはHTTPでプロキシに到達し、プロキシはそれをHTTPSで暗号化します。 -java.parameters -java.parameters -Dhttp.proxyHost=127.0.0.1 -Dhttp.proxyPort=3128 -Dhttp.proxyUser=user -Dhttp.proxyPassword=pass モデルインポートのオプション -model.name <モデル名> モデル名をオーバーライドをオーバーライドします。例: -model.name "My Model Name" -prescript <スクリプト名> このオプションによって、ブリッジの実行前にスクリプトを実行できるようになります。 スクリプトはbinディレクトリー(またはconf/conf.propertiesのM_SCRIPT_PATHで指定)にあり、拡張子が.batか.shであることが必要です。 スクリプトのパスに親ディレクトリーの記号( .. )を含めることはできません。 スクリプトは、成功した場合は終了コードである0を、失敗した場合は別の値を返します。 例: -prescript "script.bat arg1 arg2" -postscript <スクリプト名> このオプションによって、ブリッジが正しく実行された後にスクリプトを実行できるようになります。 スクリプトはbinディレクトリー(またはconf/conf.propertiesのM_SCRIPT_PATHで指定)にあり、拡張子が.batか.shであることが必要です。 スクリプトのパスに親ディレクトリーの記号( .. )を含めることはできません。 スクリプトは、成功した場合は終了コードである0を、失敗した場合は別の値を返します。 例: -postscript "script.bat arg1 arg2" -cache.clear インポート前にキャッシュをクリアするため、増分収集せずにフルインポートを実行します。 モデルが変更されず、-cache.clearパラメーターが使われていない場合(増分収集)、新しいバージョンは作成されません。 モデルが変更されず、-cache.clearパラメーターが設定されている場合(増分ではなくフルソースインポート)、新しいバージョンが作成されます。 -backup <directory> このオプションによってブリッジ入力メタデータを保存すれば、将来のトラブルシューティングで活用できます。指定された<directory>は空であることが必要です。 このオプションの主な用途は、データストアインポートブリッジ(特にJDBCベースのデータベースインポートブリッジ)です。 なお、このオプションは次のようなブリッジでは動作しません。 - ファイルベースのインポートブリッジ(入力ファイルで代用可能なため) - DI/BIリポジトリーインポートブリッジ(ツールのリポジトリーネイティブバックアップで代用可能なため) - APIベース(COMベースなど)による一部のインポートブリッジ(技術的な理由のため) データ接続オプション 使用するソースとターゲットのデータストアを参照するよう、通常はETL/DIツールとBIツールのインポートブリッジによってデータ接続が生成されます。これらのデータ接続はメタデータ管理ツールによって実際のデータストア(データベースやファイルシステムなど)への接続(メタデータスティッチング)に使われ、完全なエンドツーエンドのデータフローの来歴とインパクト分析が行われます。各データ接続の名前はインポートモデルごとに一意です。DI/BIデザインツールで使われているデータ接続名を可能な限り使用します。そうでない場合は、データベース/スキーマ名、ファイルシステムのパス、Uniform Resource Identifier (URI)など、短くても意味のある接続名が生成されます。次のオプションを使えば、接続を操作できます。これらのオプションによって、レガシーオプションである-c、-cd、-csが置き換えられます。 -connection.cast ConnectionName=ConnectionType SQL解析のためにジェネリックデータベース接続(ODBCやJDBCなど)を正確なデータベースタイプ(ORACLEなど)にキャストします。例: -connection.cast "My Database"="MICROSOFT SQL SERVER" サポートされているデータストア接続タイプのリストは次のとおりです。 ACCESS APACHE CASSANDRA DB2/UDB DENODO GOOGLE BIGQUERY HIVE MYSQL NETEZZA ORACLE POSTGRESQL PRESTO REDSHIFT SALESFORCE SAP HANA SNOWFLAKE MICROSOFT SQL AZURE MICROSOFT SQL SERVER SYBASE SQL SERVER SYBASE AS ENTERPRISE TERADATA VECTORWISE HP VERTICA -connection.rename OldConnection=NewConnection 既存の接続を新しい名前に変更します。例: -connection.rename OldConnectionName=NewConnectionName 既存の複数のデータベース接続の名前を変更し、新しい1つのデータベース接続に統合できます。例: -connection.rename MySchema1=MyDatabase -connection.rename MySchema2=MyDatabase -connection.split oldConnection.Schema1=newConnection データベース接続を1つまたは複数のデータベース接続に分割します。 1つのデータベース接続をスキーマごとの1つの接続に分割できます。例: -connection.split MyDatabase すべてのデータベース接続をスキーマごとの1つの接続に分割できます。例: -connection.split * データベースにスキーマ名を追加することで、データベース接続を明示的に分割し、新しいデータベース接続を作成できます。例: -connection.split MyDatabase.schema1=MySchema1 -connection.map SourcePath=DestinationPath ソースパスをデスティネーションパスにマッピングします。これは、異なるパスが同じオブジェクト(ディレクトリーまたはファイル)をポイントしている場合にファイルシステム接続にとって便利です。 Hadoopでは、あるプロセスがHDFSの完全パスで指定されたCSVファイルに書き込む一方、別のプロセスが、デフォルトのファイル名と拡張子を持つ相対パスで指定されている同じファイルによって実装されたHiveテーブル(外部)から読み取ります。例: -connection.map /user1/folder=hdfs://host:8020/users/user1/folder/file.csv Linuxでは、/users/johnや/users/paulといった複数のシンボリックリンクによって、/dataのような特定のディレクトリー(またはファイル)が参照されます。例: -connection.map /data=/users/John -connection.map /data=/users/paul Windowsでは、M:やN:といった複数のネットワークドライブによって、C:\dataのような特定のディレクトリーが参照されます。例: -connection.map C:\data=M:\ -connection.map C:\data=N:\ -connection.casesensitive ConnectionName... 検出されたデータストアのタイプがこの設定(Microsoft SQL ServerやMySqlなど)をサポートしている場合は、指定された接続内のオブジェクト識別子に対し、大文字と小文字を区別しないデフォルトのマッチングルールがオーバーライドされます。例: -connection.casesensitive "My Database" -connection.caseinsensitive ConnectionName... 検出されたデータストアのタイプがこの設定(Microsoft SQL ServerやMySqlなど)をサポートしている場合は、指定された接続内のオブジェクト識別子に対し、大文字と小文字を区別するデフォルトのマッチングルールがオーバーライドされます。例: -connection.caseinsensitive "My Database" -connection.level AggregationLevel 外部接続の集計レベルを指定します。例: -connection.level catalog サポートされている値のリスト: server catalog schema (デフォルト) ETLのオプション これらのオプションは、以下の目的ですべてのETL/DIツールとスクリプティングインポートブリッジで利用できます: - SQL解析をすべて処理する - デザインモデルとランタイム変数からランタイムモデルをビルドする - ランタイムサマリー来歴を計算する -etl.summary.add.ultimate (以前の-ppus) 最終的なランタイム来歴サマリーを追加します(非常に大きなモデルが生成される可能性があります)。 -etl.summary.only.ultimate (以前の-ppsp) 最終的なランタイム来歴サマリーのみ生成します(非常に大きなモデルが生成される可能性があります)。 -etl.connections.add.internal.design (以前の-pppd) 内部ETLデザインデータコネクター(ETL変換に必要)を追加します。 -etl.connections.remove.input (以前の-ri) 生成されるモデルのサイズ縮小のため、入力(ソース)データ接続をすべて削除します。 -etl.transformations.enable.xml このオプションによって、DI/ETLインポートブリッジ(Informatica PowerCenter、Informatica Developer、Microsoft SSIS、IBM DataStage、Talend Data Integration など)でのXML変換の解析とサポートが有効になります。 Informaticaの場合、そのようなXML変換は次のPowerCenterの機能に相当します。 https://docs.informatica.com/data-integration/powercenter/10-5/xml-guide/midstream-xml-transformations.html https://docs.informatica.com/data-integration/powercenter/10-5/xml-guide/xml-source-qualifier-transformation.html ただし、このオプションはインポートの速度を著しく低下させる可能性がありますのでご注意ください。 リポジトリーのオプション -restore.dir <バックアップディレクトリーパス> 復元するバックアップディレクトリーを指定します。例: -restore.dir C:\test\restoreDir -connection.timeout <秒数> 接続タイムアウトを指定します(デフォルトは20)。例: -connection.timeout 20 -threads.count <数> APIに対するリクエストの実行中に使うスレッド数を設定します。例: -threads.count 5 -cs <コンマ区切りの接続のリスト> 接続ごとにスキーマを作成します。例: -cs * (各接続でスキーマごとに個別の接続を作成) -cs c1, c2 (接続c1とc2でスキーマごとに個別の接続を作成) -cs app1=c.s1 (接続c、スキーマs1でapp1という名前の接続を作成) ATLASのオプション -entities.limit <エンティティの最大数> エンティティフィルターパラメーター値により、フィルタリングごとに取得するエンティティの最大数を指定します。例: -entities.limit 1000 -request.limit <1つのリクエストごとのエンティティ数> エンティティフィルターパラメーター値によってオフセットリクエストフィルタリングごとに取得するエンティティの数を指定します。例: -request.limit 1000 デフォルトでは無制限(ただしAtlasサーバーの設定によって制限される場合があります)。 -hive.support.quoted.identifiers <識別子> デフォルトは”none”です。正規表現ベースのカラム指定を有効にするには、このオプションを設定します。例: -hive.support.quoted.identifiers none -ignore.deleted 削除されたエンティティのロードを無効にするためには、このオプションを使用します。 |
STRING |
ブリッジのマッピング
マッピング情報は利用できません