Upgrade to Pro — share decks privately, control downloads, hide ads and more …

最近使ったETL、ELTサービス(ツール)でデータ収集タスクについて考える / etl-elt-datacollect-task

Miyamotok
September 24, 2020

最近使ったETL、ELTサービス(ツール)でデータ収集タスクについて考える / etl-elt-datacollect-task

2020/9/24 #前向きデータ整備人

Miyamotok

September 24, 2020
Tweet

More Decks by Miyamotok

Other Decks in Technology

Transcript

  1. © 2020 CData Software Japan, LLC | www.cdata.com/jp 自己紹介 CData

    Software Japan 合同会社 宮本 航太(@miyamon44) エンジニア ・主に製品サポートと開発、他社サービスとの検証 さまざまなクラウドサービス向けのODBCドライバーやJDBCド ライバーなどを提供してます。 この製品でドライバーが使える!?などあればまずはご連絡いた だけると嬉しいです!
  2. © 2020 CData Software Japan, LLC | www.cdata.com/jp 本日お話すること 1.

    データ収集・整備でコストが掛かる理由 2. ETL/ELTのそれぞれの役割について振り返る 3. 最近使ったすぐに使えるETL/ELTについて
  3. © 2020 CData Software Japan, LLC | www.cdata.com/jp データ活用に対する理想と現実 データは次世代の石油と呼ばれたり

    宝の山と呼ばれたり・・・ 理想 現実 ゴミになることが多かったり・・・
  4. © 2020 CData Software Japan, LLC | www.cdata.com/jp コスト要因(データ量とデータソース数) ←

    データ量が単純に増加 世界のデータ量は2018年の33ゼタバイトか ら2025年に175ゼタバイトに! 1企業で考えても扱うデータ量は増加してい る。 データ量が年々爆発的に増加しすぎて、デー タ整備に時間が掛かる 1企業で利用するSaaSの数 → USでの2017年時の1企業におけるSaaS利用数。 SaaSが提供してるAPIを理解して接続して・・・を利用中のSaaSの数分 だけ対応・・・ APIごとにRESTとかSOAPとか接続規格違うし、集計とかページングと かバルク処理とか、一から調べてくのエンジニアでも大変すぎる。 データ整備人が手組でここまでやり始めたら高負荷間違いなし
  5. © 2020 CData Software Japan, LLC | www.cdata.com/jp コスト要因(半・非構造化データの増加) 「非(半)構造化データは企業データの80%以上を占めており、

    年間55%および65%の割合で成長している」 構造化データ、半構造化データ、非 構造化データとか・・・えっ? データ形式がバラバラなので、結局 はデータ整備やデータ収集で多くの 時間を割いてしまう
  6. © 2020 CData Software Japan, LLC | www.cdata.com/jp データ収集って必要な作業だけど目的ではない データドリブンな意思決定のためにデータを活用している

    収集・加工部分の作業にコストが掛かって大変なら、 迷わずETL、ELTサービス・ツールを試してみる
  7. © 2020 CData Software Japan, LLC | www.cdata.com/jp ETL と

    ELT の比較 ETL ELT 処理方式 元データの変換をETL起動インスタンスで実 行し、変換したデータをDWHに転送 ターゲットDBで必要があれば変換。 元データはそのままDWHに転送 集計 データ量が増えると複雑な集計等は時間が掛 かる。事前のクレンジングなどをGUIで調整 できるのは◎ ターゲットの能力次第で大量データでも迅速 に処理が可能(BigQueryとか)。 SQLで集計や変換を行う。 ハード要件 オンサイトETLではハード面に費用が掛かり がち 受け取ったデータをそのまま流すので特別な ハードは不用。SaaS型が多かったり。 ⇒クラウドベースだと処理速度やハード面の 不安がクリアできそう ⇒複雑な変換処理を必要とする場合は不向き。 けどDBにまず連携したい場合は◎
  8. © 2020 CData Software Japan, LLC | www.cdata.com/jp ”最近使った” すぐ始められるETL/ELT

    サービス・ツール ELT:Sticth ETL:Google Cloud Data Fusion ELT:CDataSync
  9. © 2020 CData Software Japan, LLC | www.cdata.com/jp ETL:Google Cloud

    Data Fusion • GCPのフルマネージドなETLサービス • GUI で全て設定可能 • $1.80 / 1時間。毎月120Hは無料 けどインスタンス停止中でも課金されます とりあえずで試す場合はインスタンスの放置は厳禁・・ ➢ ETLなので変換や接続部分のコネクタが豊富 (Speech to Text とかもある) ➢ GUI で設定が完結するので、アドホックに試す 分にはお手軽な感じ ➢ サードパーティのJDBCを利用できるのでCData JDBC Driver も使えた!
  10. © 2020 CData Software Japan, LLC | www.cdata.com/jp • SaaS

    型のELTサービスですぐに連携ジ ョブを実行できる • GUI で全て設定可能 • 500万件まで無料 有料になってました・・・ 100ドル/月 (500万件まで) ELT:Stitch ➢ SaaS 型なのでアカウントさえ作ってしまえばす ぐに使える ➢ データソースからまるっとロードするタイプ。 覚えることが少なく始めるまでの障壁が少ない ➢ データソースが豊富
  11. © 2020 CData Software Japan, LLC | www.cdata.com/jp • インストール型(AWS

    AMIあり) • オンプレでもクラウド上でも利用可能 • FREEプランあり※条件付き (AirTable,SendGrid,ZohoCRM,GShee tなど) ELT:CDataSync ➢ WEBサーバが同梱されてるので、インストール 直後からすぐに使える ➢ オンプレ内での閉じた環境内でも利用可能 ➢ データソースに加えて連携先も主要RDBやS3、 Accessなど充実
  12. © 2020 CData Software Japan, LLC | www.cdata.com/jp Sync+ BigQuery

    を使った ELT モデルのデータ分析基盤
  13. © 2020 CData Software Japan, LLC | www.cdata.com/jp • エンジニアやデータ整備人の負荷を軽減させるなら、

    ツールやサービスを利用するのは全然あり • データ分析基盤のアーキテクチャを考える際、ETL、ELTどっちの方式 (どこで変換させるか)を採用するかもポイント • 検討しすぎるよりはまずはツールやサービスを使って、さくっとデー タ連携から可視化までをミニマムで試してみるのは◎ まとめ
  14. © 2020 CData Software Japan, LLC | www.cdata.com/jp • CDataSync

    ハンズオン 今日紹介したELTツールのCDataSync のハン ズオンを、クラウドエースさん主催の「OPEN DX 2020」というイベントで明日9/25 15:00-16:00で開催します。 無料でご参加いただけます! 宣伝