Embulkで任意の列をHash化するFilter Pluginを書いたのでご紹介

用途

というか自分たちが使いたくなった経緯です。
本当はメールアドレスや電話番号といった個人情報を除去した状態でExportしたいけど、Export先のDBでJOINのキーとしてそういう情報を使いたいのでマスキングをしつつデータを一意にしたい、という要件があったので作りました。

使い方

詳しくはREADME読んで、と言うとそれまでなんですが、簡単に設定方法をご紹介します。

filters:
  - type: hash
    columns:
    - { name: username }
    - { name: email, algorithm: SHA-512, new_name: hashed_email }

columns: Hash化したい列を配列で指定します
- name: inputの列名です。
- algorithm: Hashアルゴリズムを指定します。MessageDigestを内部的には使ってて、そこで指定可能なアルゴリズムを記述します。(デフォルトはSHA-256)
- new_name: ハッシュ化した列に新しい名前を付けたい場合に記述します。デフォルトはinputの列名です。