Embulkと日付データ(その1: CSVの入力データ)

Embulkの日付データの取り扱いに関するメモ

まとめ

CSVデータで「2015-01-27 19:23:49」のようなタイムゾーンが未指定のデータを日本時刻の日付型(timestamp)として取り扱う場合は、パーサーのオプションdefault_timezone: "Japan"を指定する。

解説

サンプルデータの作成

embulk example pgtest
2015-07-14 22:01:04.483 +0900: Embulk v0.6.16
Creating pgtest directory...
  Creating pgtest/
  Creating pgtest/csv/
  Creating pgtest/csv/sample_01.csv.gz
  Creating pgtest/example.yml

Run following subcommands to try embulk:

   1. guess pgtest/example.yml -o config.yml
   2. preview config.yml
   3. run config.yml

中身の確認

gzip -dc pgtest/csv/sample_01.csv.gz 
id,account,time,purchase,comment
1,32864,2015-01-27 19:23:49,20150127,embulk
2,14824,2015-01-27 19:01:23,20150127,embulk jruby
3,27559,2015-01-28 02:20:02,20150128,"Embulk ""csv"" parser plugin"
4,11270,2015-01-29 11:54:36,20150129,NULL

• id1のデータは、2015年1月27日 19時23分49秒になっている。
• タイムゾーンは未指定

guessにて設定ファイルを作成

embulk guess pgtest/example.yml -o config.yml

次のような設定ファイルができる。

in:
  type: file
  path_prefix: /path/to/csv/sample_
  decoders:
  - {type: gzip}
  parser:
    charset: UTF-8
    newline: CRLF
    type: csv
    delimiter: ','
    quote: '"'
    escape: ''
    trim_if_not_quoted: false
    skip_header_lines: 1
    allow_extra_columns: false
    allow_optional_columns: false
    columns:
    - {name: id, type: long}
    - {name: account, type: long}
    - {name: time, type: timestamp, format: '%Y-%m-%d %H:%M:%S'}
    - {name: purchase, type: timestamp, format: '%Y%m%d'}
    - {name: comment, type: string}

プレビューを実行して確認をする。

embulk preview -G config.yml 
*************************** 1 ***************************
      id (     long) : 1
 account (     long) : 32,864
    time (timestamp) : 2015-01-27 19:23:49 UTC
purchase (timestamp) : 2015-01-27 00:00:00 UTC
 comment (   string) : embulk

• id1のデータは2015年1月27日 19時23分49秒と表示されるが末尾にUTCとついている。
• UTCは、Universal Time, Coordinated
• 日本の時刻はUTCから9時間足した時刻となる。
• 「2015-01-27 19:23:49 UTC」は、日本時刻、2015年1月28日 午前4時23分49秒になる

default_timezoneの指定

*「2015-01-27 19:23:49」を日本の時刻として指定したい場合はdefault_timezoneを指定する

• default_timezone: "Japan"をparserの設定に追加する

追加した設定

in:
  type: file
  path_prefix: /path/to/csv/sample_
  decoders:
  - {type: gzip}
  parser:
    default_timezone: "Japan" # <-- 追加した設定
    charset: UTF-8
    newline: CRLF
    type: csv
    delimiter: ','
    quote: '"'
    escape: ''
    trim_if_not_quoted: false
    skip_header_lines: 1
    allow_extra_columns: false
    allow_optional_columns: false
    columns:
    - {name: id, type: long}
    - {name: account, type: long}
    - {name: time, type: timestamp, format: '%Y-%m-%d %H:%M:%S'}
    - {name: purchase, type: timestamp, format: '%Y%m%d'}
    - {name: comment, type: string}

再度プレビュー

embulk preview -G config.yml 
*************************** 1 ***************************
      id (     long) : 1
 account (     long) : 32,864
    time (timestamp) : 2015-01-27 10:23:49 UTC
purchase (timestamp) : 2015-01-26 15:00:00 UTC
 comment (   string) : embulk

9時間戻った時刻が表示される。プレビューはUTC表示なので、9時間足した時刻が日本時刻となる。