Skip to main content
Edit this page

RedshiftからClickHouseへのデータ移行

関連コンテンツ​

はじめに​

Amazon Redshift は、Amazon Web Services の提供の一部である人気のクラウドデータウェアハウジングソリューションです。このガイドでは、RedshiftインスタンスからClickHouseへのデータ移行のためのさまざまなアプローチを紹介します。以下の3つのオプションをカバーします。

RedshitからClickHouseへの移行オプション

ClickHouse インスタンスの観点からは、次のいずれかの方法で移行できます：

  1. RedshiftからClickHouseへデータをPUSHする サードパーティのETL/ELTツールやサービスを使用してClickHouseにデータを送信する

  2. RedshiftからClickHouseへデータをPULLする ClickHouse JDBC Bridgeを活用してRedshiftからデータを取得する

  3. S3を使用してRedshiftからClickHouseへデータをPIVOTする S3オブジェクトストレージを使用して「アンロードしてロードする」ロジックを適用する

Note

このチュートリアルではデータソースとしてRedshiftを使用しましたが、ここで紹介する移行アプローチはRedshiftに限定されず、その他の互換性のあるデータソースにも類似した手順を適用できます。

RedshiftからClickHouseへデータをPUSHする​

プッシュのシナリオでは、サードパーティのツールやサービス（カスタムコードやETL/ELTを使用するかのいずれか）を活用して、データをClickHouseインスタンスに送るという考え方です。例えば、Airbyteのようなソフトウェアを使用して、Redshiftインスタンス（ソースとして）からClickHouse（デスティネーションとして）にデータを移動することができます（Airbyteとの統合ガイドを参照）。

RedshitからClickHouseへのPUSH

利点​

  • ETL/ELTソフトウェアの既存のコネクタカタログを活用できます。
  • データを同期させるための組み込み機能（追加/上書き/インクリメントロジック）があります。
  • データ変換シナリオを可能にします（例として、dbtとの統合ガイドを参照）。

欠点​

  • ユーザーはETL/ELTインフラストラクチャのセットアップと保守が必要です。
  • アーキテクチャにサードパーティ要素を導入することで、潜在的なスケーラビリティのボトルネックとなる可能性があります。

RedshiftからClickHouseへデータをPULLする​

プルのシナリオでは、ClickHouse JDBC Bridgeを活用して、ClickHouseインスタンスから直接Redshiftクラスタに接続し、INSERT INTO ... SELECT クエリを実行します。

RedshitからClickHouseへのPULL

利点​

  • JDBC互換のすべてのツールに対して汎用的です。
  • ClickHouseから複数の外部データソースをクエリできる優雅なソリューションです。

欠点​

  • ClickHouse JDBC Bridgeインスタンスが必要で、これが潜在的なスケーラビリティのボトルネックになる可能性があります。
Note

RedshiftはPostgreSQLベースですが、ClickHouseのPostgreSQLテーブル関数やテーブルエンジンを使用することはできません。なぜならClickHouseはPostgreSQLバージョン9以上を必要とし、Redshift APIはそれ以前のバージョン(8.x)に基づいているからです。

チュートリアル​

このオプションを使用するには、ClickHouse JDBC Bridgeをセットアップする必要があります。ClickHouse JDBC Bridgeは、JDBC接続を処理し、ClickHouseインスタンスとデータソース間のプロキシとして機能するスタンドアロンのJavaアプリケーションです。このチュートリアルでは、サンプルデータベースを持つ事前にポピュレートされたRedshiftインスタンスを使用しました。

  1. ClickHouse JDBC Bridgeをデプロイします。詳細については、外部データソース用のJDBCに関するユーザーガイドを参照してください。
Note

ClickHouse Cloudを使用している場合は、ClickHouse JDBC Bridgeを別の環境で実行し、remoteSecure関数を使用してClickHouse Cloudに接続する必要があります。

  1. ClickHouse JDBC Bridge用にRedshiftデータソースを設定します。例えば、 /etc/clickhouse-jdbc-bridge/config/datasources/redshift.json 

    {
      "redshift-server": {
        "aliases": [
          "redshift"
        ],
        "driverUrls": [
        "https://s3.amazonaws.com/redshift-downloads/drivers/jdbc/2.1.0.4/redshift-jdbc42-2.1.0.4.jar"
        ],
        "driverClassName": "com.amazon.redshift.jdbc.Driver",
        "jdbcUrl": "jdbc:redshift://redshift-cluster-1.ckubnplpz1uv.us-east-1.redshift.amazonaws.com:5439/dev",
        "username": "awsuser",
        "password": "<password>",
        "maximumPoolSize": 5
      }
    }

  2. ClickHouse JDBC Bridgeがデプロイされ実行中になったら、ClickHouseからRedshiftインスタンスをクエリし始めることができます。

    SELECT *
    FROM jdbc('redshift', 'select username, firstname, lastname from users limit 5')
    Query id: 1b7de211-c0f6-4117-86a2-276484f9f4c0

    ┌─username─┬─firstname─┬─lastname─┐
    │ PGL08LJI │ Vladimir  │ Humphrey │
    │ XDZ38RDD │ Barry     │ Roy      │
    │ AEB55QTM │ Reagan    │ Hodge    │
    │ OWY35QYB │ Tamekah   │ Juarez   │
    │ MSD36KVR │ Mufutau   │ Watkins  │
    └──────────┴───────────┴──────────┘

    5 rows in set. Elapsed: 0.438 sec.
    SELECT *
    FROM jdbc('redshift', 'select count(*) from sales')
    Query id: 2d0f957c-8f4e-43b2-a66a-cc48cc96237b

    ┌──count─┐
    │ 172456 │
    └────────┘

    1 rows in set. Elapsed: 0.304 sec.

  3. 以下に、INSERT INTO ... SELECT文を使用してデータをインポートする例を示します。

    # 3カラムを持つテーブル作成
    CREATE TABLE users_imported
    (
        `username` String,
        `firstname` String,
        `lastname` String
    )
    ENGINE = MergeTree
    ORDER BY firstname
    Query id: c7c4c44b-cdb2-49cf-b319-4e569976ab05

    Ok.

    0 rows in set. Elapsed: 0.233 sec.
    # データのインポート
    INSERT INTO users_imported (*) SELECT *
    FROM jdbc('redshift', 'select username, firstname, lastname from users')
    Query id: 9d3a688d-b45a-40f4-a7c7-97d93d7149f1

    Ok.

    0 rows in set. Elapsed: 4.498 sec. Processed 49.99 thousand rows, 2.49 MB (11.11 thousand rows/s., 554.27 KB/s.)

S3を使用してRedshiftからClickHouseへデータをPIVOTする​

このシナリオでは、中間ピボットフォーマットでデータをS3にエクスポートし、次のステップでClickHouseにデータをロードします。

RedshitからS3を使用してPIVOT

利点​

  • RedshiftとClickHouseの両方が強力なS3統合機能を持っています。
  • RedshiftのUNLOADコマンドとClickHouse S3テーブル関数/テーブルエンジンのような既存の機能を活用します。
  • ClickHouseでの並列リードとS3との間の高いスループット能力のおかげでシームレスにスケールします。
  • Apache Parquetのような高度で圧縮されたフォーマットを活用できます。

欠点​

  • プロセスが2ステップになる（Redshiftからアンロードし、その後ClickHouseにロード）。

チュートリアル​

  1. RedshiftのUNLOAD機能を使用して、既存のプライベートS3バケットにデータをエクスポートします。

    RedshitからS3へのUNLOAD

    これにより、S3には生データを含むパートファイルが生成されます。

    S3内のデータ

  2. ClickHouseでテーブルを作成します。

    CREATE TABLE users
    (
        username String,
        firstname String,
        lastname String
    )
    ENGINE = MergeTree
    ORDER BY username

    あるいは、ClickHouseはCREATE TABLE ... EMPTY AS SELECTを使用してテーブル構造を推測しようとすることもできます。

    CREATE TABLE users
    ENGINE = MergeTree ORDER BY username
    EMPTY AS
    SELECT * FROM s3('https://your-bucket.s3.amazonaws.com/unload/users/*', '<aws_access_key>', '<aws_secret_access_key>', 'CSV')

    これは特に、Parquetのようにデータ型に関する情報を含むフォーマットでデータがある場合にうまく機能します。

  3. INSERT INTO ... SELECTステートメントを使用して、ClickHouseにS3ファイルをロードします。

    INSERT INTO users SELECT *
    FROM s3('https://your-bucket.s3.amazonaws.com/unload/users/*', '<aws_access_key>', '<aws_secret_access_key>', 'CSV')
    Query id: 2e7e219a-6124-461c-8d75-e4f5002c8557

    Ok.

    0 rows in set. Elapsed: 0.545 sec. Processed 49.99 thousand rows, 2.34 MB (91.72 thousand rows/s., 4.30 MB/s.)
Note

この例では、ピボットフォーマットとしてCSVを使用しました。しかし、本番環境のワークロードの場合、大規模な移行に適した選択肢として、Apache Parquetを推奨します。Parquetは圧縮を伴い、ストレージコストを削減し、転送時間を短縮することができます（デフォルトでは、各ロウグループはSNAPPYを使用して圧縮されています）。ClickHouseはまた、データのインジェストを高速化するためにParquetの列指向を活用しています。