Zenn
🚚

Amazon Aurora MySQL と Amazon Redshift の zero-ETL 統合でフィルタリングを試してみた

2024/03/31に公開
AWS
aurora
Redshift
ETL
tech

公開プレビュー時に試していた Amazon Aurora MySQL と Redshift の zero-ETL 統合ですが、2023/11 に GA になった時点ではフィルタリングが実装されていませんでした。

その後 2024/3 になって、データベース（スキーマ）・テーブルレベルのフィルタリングがサポートされたので、試してみました。

https://aws.amazon.com/jp/about-aws/whats-new/2024/03/amazon-aurora-zero-etl-integration-redshift-data-filtering-cloudformation/

（こちら ↓ で話した内容の詳細です）
https://www.docswell.com/s/hmatsu47/KM1D48-2024-03-28-235143

従来の zero-ETL 統合の問題点

Aurora MySQL と Redshift の zero-ETL 統合についての説明は、公開プレビュー時の記事を参照してください。

https://zenn.dev/hmatsu47/articles/aurora-rs-zeroetl-preview#ゼロ-etl-統合とは

通常の ETL では Extract（抽出）→ Transform（変換）→ Load（ロード）の順に処理して、データベース（Aurora）のデータをデータウェアハウス（Redshift）に連携します。

一方、zero-ETL では、データベースから Extract（抽出）した後は、データ列の型変換を除く Transform（変換）をせずにデータウェアハウスに Load（ロード）し、ユーザーが必要に応じてデータウェアハウス上でデータを変換・加工する流れになります（ETL よりも ELT に近いです）。

以前の zero-ETL では、Aurora から Redshift への変換をサポートしていない型（BLOBなど）を持つ列が Aurora クラスター内に 1 つでもあると、Redshift へのロードができませんでした。

データベース（スキーマ）・テーブルレベルのフィルタリングがサポートされたことにより、変換対象外の列を持つテーブルを連携対象から除外する形で Redshift へのロードができるようになりました。

また、Redshift にロードする必要のないデータベース（スキーマ）をまとめて除外できるようになりました。

試した内容

Aurora クラスターと Redshift Serverless のワークグループ・名前空間、そしてその間を連携する zero-ETL 統合を作成しました。

その際、除外フィルターを指定し、除外対象のテーブルが Redshift に連携されないことを確認しました。

さらに、今回のリリースではは実装されていない列フィルター の代用として、

  • 除外したい列を含まない連携用テーブル
  • 除外対象テーブルに行が追加されたときに、除外列以外を連携用テーブルにコピーするINSERTトリガー

を作成して、Redshift への連携ができるのを確認しました。

Aurora クラスター作成

まずは Aurora クラスターを作成します。

クラスターパラメータグループ作成

最初にクラスターパラメータグループを作成します。内容は公開プレビュー時と変わりません。

  • aurora_enhanced_binlog : 1
  • binlog_backup : 0
  • binlog_format : ROW
  • binlog_replication_globaldb : 0
  • binlog_row_image : full
  • binlog_row_metadata : full
パラメータをデフォルト値から変更

Aurora クラスター作成

こちらも基本的にはプレビュー時と同じですが、Aurora MySQL のバージョンは 3.05 以降に対応 となっています。IAM データベース認証は指定不要でした（もちろん指定しても問題はありません）。

  • Aurora MySQL 3.06.0（MySQL 8.0.34 互換）
  • 開発 / テスト用
  • Credential は Self managed
  • インスタンスは db.t4g.medium
  • Aurora レプリカを作成しない
  • パブリックアクセスなし
  • DB サブネットグループと VPC セキュリティグループは MySQL クライアントからアクセス可能になっていれば OK
  • DB クラスターのパラメータグループとして先ほど作成したものを指定
Aurora クラスター作成






Aurora クラスターの作成が完了するまでの間に Redshift Serverless ワークグループと名前空間の作成に進みます。

Redshift Serverless ワークグループ・名前空間作成

Aurora MySQL と Redshift の zero-ETL 統合はすでに GA になっているので、Redshift Serverless ワークグループと名前空間もプレビュー版ではなく通常のものを作成します。

ワークグループを作成

任意のワークグループ名を入れ、ベース容量（今回は最低の8）とセキュリティグループ（今回はデフォルト）を指定します。

Redshift ワークグループ作成

CloudShell でワークグループの大文字・小文字識別を有効にする

CloudShell を起動し、以下を実行します。

CloudShell から実行
aws redshift-serverless update-workgroup \
        --workgroup-name zeroetl-workgroup \
        --config-parameters parameterKey=enable_case_sensitive_identifier,parameterValue=true

名前空間を選択

任意の名前を入れ、デフォルトの IAM ロールを作成（設定）してそれを選択します（初期状態で別の IAM ロールが選択されていた場合は選択を外します）。

名前空間を選択



確認および作成

内容を確認後、作成します。

確認および作成


Aurora クラスターと Redshift ワークグループ・名前空間の作成完了を待ちます。

zero-ETL 統合作成

Aurora・Redshift のどちらからでも作成できますが、ここでは Aurora クラスターの画面から zero-ETL 統合を作成します。

zero-ETL 統合作成

統合識別子を指定

統合識別子として任意の名前を入れます。

統合識別子を入力

ソースデータベースとフィルタリングを指定

Aurora クラスター側から作成するとソースデータベースはすでに指定されているので、「データフィルタリングオプションのカスタマイズ」にチェックを入れてフィルタリングを指定 します。

  • フィルタータイプ「含める」 : フィルター式「*.*」
  • フィルタータイプ「除外する」 : フィルター式「testdb.excludetable」

この指定では、testdbスキーマのexcludetableテーブル以外を Aurora から Redshift に連携します。

フィルタリングを指定

ターゲット Redshift 名前空間を選択

先ほど作成した Redshift 名前空間を選択します。

Redshift を選択


リソースポリシーについては「修正をお願いする」にチェックを入れることで自動修正されます。

確認して作成

（タグと暗号化はデフォルトどおりで進めた後）確認して作成します。

タグと暗号化の追加

確認して作成


待ち時間にテストデータ投入

Aurora に 2 つのテーブルを作成しテストデータ投入します。

  • データベース（スキーマ） : testdb
  • Redshift に連携するテーブル : includetable
  • Redshift に連携しないテーブル : excludetable
    • Redshift に連携できないBLOB列を含む
テストデータ投入
テストデータ投入
mysql> CREATE DATABASE testdb;
Query OK, 1 row affected (0.00 sec)

mysql> USE testdb;
Database changed
mysql> CREATE TABLE includetable (id INT PRIMARY KEY AUTO_INCREMENT, val INT NOT NULL, str VARCHAR(100));
Query OK, 0 rows affected (0.03 sec)

mysql> INSERT INTO includetable SET val = 100, str = 'abc';
Query OK, 1 row affected (0.00 sec)

mysql> INSERT INTO includetable SET val = 110, str = 'xyz';
Query OK, 1 row affected (0.00 sec)

統合用のデータベースを作成

zero-ETL 統合の作成が完了したらステータスが「アクティブ」になります。

zero-ETL 統合作成完了

zero-ETL 統合のリンクをクリックすると「データベースの作成が必要です」と表示されているので、右上のボタンから統合用のデータベースを作成します。

統合用のデータベースを作成


任意のデータベース名を入れて作成します。

しばらく待つと統合用データベースが作成されて Redshift に Aurora のデータが連携（ロード）されます。

フィルタリング動作確認

Redshift にデータがロードされると、レプリケートされたテーブルが「1」になります。除外されたテーブルはカウントされません。

レプリケートされたテーブルを確認

Redshift query editor v2 でも確認してみます。

Redshift query editor v2 で連携データを確認

正しく連携されていますね。除外されたテーブルも存在しません。

連携用テーブル・トリガー作成

先に記したとおり、今回のフィルタリングには列フィルターがありません。そのため、連携用テーブルとトリガーを使った列フィルターの代用を試してみます。

テーブルを作成

まずは、先ほどの除外テーブル（excludetable）からBLOB列を除いた、連携用テーブル（includetable_from_exclude）を作成します。

連携用テーブルを作成
連携用テーブルを作成
mysql> CREATE TABLE includetable_from_exclude (id INT PRIMARY KEY AUTO_INCREMENT, val INT NOT NULL, str VARCHAR(100));
Query OK, 0 rows affected (0.03 sec)

トリガーを作成

続いて、excludetableテーブルに行がINSERTされたときにincludetable_from_excludeテーブルにBLOB列を除いてコピーするためのトリガーを作成します。

トリガーを作成
トリガーを作成
mysql> CREATE TRIGGER ins_rec BEFORE INSERT ON excludetable
    -> FOR EACH ROW INSERT INTO includetable_from_exclude VALUES(NEW.id, NEW.val, NEW.str);
Query OK, 0 rows affected (0.01 sec)

テストデータ投入

excludetableテーブルを一旦空にしたあとテストデータを投入し、includetable_from_excludeテーブル経由で Redshift に連携してみます。

確認用データを投入
確認用データを投入
mysql> TRUNCATE TABLE excludetable;
Query OK, 0 rows affected (0.04 sec)

mysql> INSERT INTO excludetable SET val = 1000, str = 'abcde', bin = RANDOM_BYTES(100);
Query OK, 1 row affected (0.01 sec)

mysql> INSERT INTO excludetable SET val = 1010, str = 'vwxyz', bin = RANDOM_BYTES(100);
Query OK, 1 row affected (0.00 sec)

特定の列（カラム）を除外したテーブルの連携確認

Redshift にはほぼ瞬時にデータがロードされます。

レプリケートされたテーブルを確認

レプリケートされたテーブルが「2」になりました。

Redshift query editor v2 でも確認してみます。

Redshift query editor v2 で連携データを確認

includetable_from_excludeテーブルも正しく連携されています。

まとめ

Aurora MySQL と Redshift の zero-ETL 統合にデータベース（スキーマ）・テーブルレベルのフィルタリングがサポートされたことで、これまで連携不可だったデータベースの連携が可能になりました。

今のところ列フィルターはできませんが、連携用テーブルとトリガーを使えば代用が可能です。

GitHubで編集を提案

Discussion