27
25

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

Embulkで手軽にメンテナンス性高いETLバッチを書く

Last updated at Posted at 2016-07-20

やりたいこと

普段はDDDxScalaでアプリケーションを書いていますが、
細かい粒度の大量データを画面表示用のView用テーブルに一定の粒度でまとめたいことがあります。

しかし、サマリバッチを書くとなると開発コスト&メンテナンス性等でツラミが出てくることが多くて辛くなりがち。

embulkなら
開発コスト: クエリ書くだけ
メンテナンス: クエリ直すだけ
なので、いい感じに書けないかやってみました。

環境構築

1. embulk.jarを落としてくる

$ curl --create-dirs -o ~/bin/embulk -L http://dl.embulk.org/embulk-latest.jar
$ chmod +x ~/bin/embulk
$ export PATH=$PATH:~/bin/

2. bundle用ディレクトリ生成

$ embulk mkbundle vendor/bundle

3. Gemfileに必要なパッケージ記述

$ cat vendor/bundle/Gemfile
source 'https://rubygems.org/'
gem 'embulk', '~> 0.8.0'
gem 'embulk-input-mysql',  '~> 0.7.1'
gem 'embulk-output-mysql', '~> 0.6.1'

4. bundle install

$ cd vendor/bundle
$ embulk.jar bundle install
$ cd ../../

Gemfileまで作れば次回以降はjar落としてbundle installするだけなのでRakefileでタスクに落としました。

desc "embulk init"
task :embulk_init do
  sh %Q(curl --create-dirs -o ~/bin/embulk -L http://dl.embulk.org/embulk-latest.jar \
        chmod +x ~/bin/embulk)
  Dir.chdir('./vendor/bundle') do
    sh %Q(embulk bundle install)
  end
end

liquid

ymlファイル内で制御構文、環境変数指定が使えます。

Example

in:
{% if env.EMBULK_ENV == 'production' %}{% include 'db/prod_slave' %}
{% elsif env.EMBULK_ENV == 'staging' %}{% include 'db/stg' %}
{% else %}{% include 'db/dev' %}
{% endif %}
{% include 'query/hoge'
  target_table: 'table_a',
  starts_at: env.TARGET_START,
  ends_at: env.TARGET_END %}

out:
{% if env.EMBULK_ENV == 'production' %}{% include 'db/prod_master' %}
{% elsif env.EMBULK_ENV == 'staging' %}{% include 'db/stg' %}
{% else %}{% include 'db/dev' %}
{% endif %}
  table: table_b
  mode: merge_direct

実行環境指定(dev,stg,prod)

if文が使えるのでこの部分で行っている。
環境変数EMBULK_ENVの内容でincludeするconfigを判定している。

{% if env.EMBULK_ENV == 'production' %}{% include 'db/prod_slave' %}
{% elsif env.EMBULK_ENV == 'staging' %}{% include 'db/stg' %}
{% else %}{% include 'db/dev' %}
{% endif %}

includeするファイルには命名規則が有ります。

  • プレフィックス_をつける
  • .yml.liquid拡張子をつける
db/_dev.yml.liquid

実行内容指定(クエリ等)

クエリに変数を埋め込めるので、実行対象期間を指定できるようにした。

{% include 'query/hoge' # 読み込むファイル指定
  target_table: 'table_a', # 以下includeするファイルに渡す引数
  starts_at: env.TARGET_START,
  ends_at: env.TARGET_END %}

渡した引数はincludeしたファイル内で以下のように呼び出せる

SELECT * FROM {{ target_table }}

inputの構造化されたデータに対して汎用的なバッチを書いたり、期間指定したりするのに
引数指定&制御構文は必須なのでembulkで出来たのは最高でした。
バッチ書くのに困ることはあまりなさそうです。

Rakefile

都度、環境変数を指定するのは面倒なのでRakeコマンドでまとめました。

desc "run all"
task :run_all, 'env', 'target_start', 'target_end'
task :run_all do |task, args|
  Dir.chdir('./') do
    sh %Q(rake run_hoge['#{args.env}','#{args.target_start}','#{args.target_end}'])
    sh %Q(rake run_bar['#{args.env}','#{args.target_start}','#{args.target_end}'])
  end
end

desc "preview hoge"
task :preview_hoge, 'env', 'target_start', 'target_end'
task :preview_hoge do |task, args|
  Dir.chdir('./') do
    sh %Q(export EMBULK_ENV=#{args.env} && \
          export TARGET_START=#{args.target_start} && \
          export TARGET_END=#{args.target_end} && \
          java -jar embulk.jar -b vendor/bundle preview ./cfg_hoge.yml.liquid -G)
  end
end

desc "run hoge"
task :run_hoge, 'env', 'target_start', 'target_end'
task :run_hoge do |task, args|
  Dir.chdir('./') do
    sh %Q(export EMBULK_ENV=#{args.env} && \
          export TARGET_START=#{args.target_start} && \
          export TARGET_END=#{args.target_end} && \
          java -jar embulk.jar -b vendor/bundle run ./cfg_hoge.yml.liquid)
  end
end

...

こんな感じで実行

rake run_all['staging','2016-07-01','2016-07-02']

  • 先頭に改行いれないとincludeのインデントがバグる
    これに盛大にハマりました。
    {% include 'db/dev' %}
    とするとdb/_dev.yml.liquidを呼び出せる。

当初以下のように書いていたが何故か呼べず。
インデントした位置に展開してくれるはずなのでyml的にも問題ないはずですが、syntaxエラーがでます。

{% if env.EMBULK_ENV == 'production' %}
  {% include 'db/prod_slave' %}
{% else if env.EMBULK_ENV == 'staging' %}
  {% include 'db/stg' %}
{% else %}
  {% include 'db/dev' %}
{% endif %}

includeで呼ぶと先頭一行のインデントがずれてしまうのが原因でした。
include対象ファイルの先頭に改行を入れることで回避可能。
@hiroysatoさんに助けてもらいました。ありがとうございました。
http://qiita.com/hiroysato/items/861e3689eef430f5e723

db/_dev.yml.liquid
#   ※目印のためにコメントアウトして改行
type: mysql
host: 127.0.0.1
user: root
password: "hoge"
database: dev

インデントをcfgではなく、includeするファイル側でしてもOK

{% if env.EMBULK_ENV == 'production' %}{% include 'db/prod_slave' %}
{% elsif env.EMBULK_ENV == 'staging' %}{% include 'db/stg' %}
{% else %}{% include 'db/dev' %}
{% endif %}
db/_dev.yml.liquid
  type: mysql
  host: 127.0.0.1
  user: root
  password: "hoge"
  database: dev
  • configファイルはembulkディレクトリ直下じゃないとバグる(パス指定方法の問題かも

embulk実行dir/configとして、実行するとコケた。
embulk実行dir直下にconfigファイルを置くことで回避。
includeのパス問題かも?※あまり追ってません。
相対パス指定{% include '../db/dev' %}してみたがコケたので諦めた

Jenkinsで定期実行

ソースコード管理にgithub指定してworkspaceディレクトリをDocker環境にマウントして実行

#!/bin/bash -xe

TARGET_START=${TARGET_START:-`date '+%Y-%m-%d' -d "1 day ago"`}
TARGET_END=${TARGET_END:-`date +%Y-%m-%d`}
ENV="production" # development|staging|production

IMAGE="" # 作成したイメージを入れてください

docker pull $IMAGE
docker run -t -v $WORKSPACE:/project $IMAGE sh -c "ls -l project && cd project/embulk && rake embulk_init && rake run_all['$ENV','$TARGET_START','$TARGET_END']"

Dockerfileはruby,rake,javaが実行できればOK

27
25
2

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
27
25

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?