メインコンテンツまでスキップ

履歴追跡の有効化 (SCD タイプ 2)

適用対象 : API ベースのパイプライン作成はいにチェックマークが付けられました

履歴追跡設定は、 slowly changing dimensions (SCD) 設定とも呼ばれ、時間の経過に伴うデータの変更を処理する方法を決定します。 履歴追跡をオフにすると (SCD タイプ 1)、古いレコードがソースで更新および削除されるときに上書きされます。ヒストリー・トラッキングをオンにして (SCD タイプ 2)、これらの変更のヒストリーを保守します。ソース内の表または列を削除しても、SCD タイプ 1 が選択されている場合でも、そのデータは宛先から削除されません。

たとえば、次のテーブルを取り込むとします。

ソーステーブルの例

また、アリスの好きな色が1月2日に紫色に変わるとしましょう。

履歴追跡がオフ (SCD タイプ 1) の場合、取り込み パイプラインの次回の実行では、宛先テーブルのその行が更新されます。

SCD タイプ 1 の例

履歴追跡がオン (SCD タイプ 2) の場合、取り込み パイプラインは古い行を保持し、更新を新しい行として追加します。古い行を非アクティブとしてマークして、どの行が最新の状態であるかを把握できます。

SCD タイプ 2 の例

すべてのコネクタが SCD タイプ 2 をサポートしているわけではありません。サポートされているコネクタの一覧については、「 機能の互換性」を参照してください。

例: Google アナリティクス

SCD タイプ 2 は、カーソル列として last_updated_date を使用する users テーブルと pseudonymous_users テーブルでサポートされています。追加のみのイベント レベルのテーブルではサポートされていません。

デフォルトでは、ヒストリー・トラッキングはオフになっています (SCD タイプ 1)。次の YAML ファイルの例を使用して、バンドル内のこの設定を変更できます。

YAML
resources:
pipelines:
pipeline_ga4:
name: <pipeline>
catalog: <destination-catalog>
schema: <destination-schema>
ingestion_definition:
connection_name: <connection>
objects:
- table:
source_url: <project-id>
source_schema: <property-name>
destination_catalog: <destination-catalog>
destination_schema: <destination-schema>
table_configuration:
scd_type: SCD_TYPE_2

例: SQL Server

パイプライン構成で指定するシーケンス列 (たとえば、 last_updatedmodified_at、または version_number) によって、各行バージョンがアクティブだった期間が決まります (ターゲット表の __START_AT 列と __END_AT 列に記録されます)。

次の sequence_by 列タイプがサポートされています。

  • タイムスタンプ
  • Date
  • Integer
  • Long
  • String

デフォルトでは、ヒストリー・トラッキングはオフになっています (SCD タイプ 1)。バンドルでこの設定を変更するには、次の YAML ファイルの例を使用します。

YAML
resources:
pipelines:
pipeline_sqlserver:
name: <pipeline>
catalog: <destination-catalog>
schema: <destination-schema>
ingestion_definition:
connection_name: <connection>
objects:
- table:
source_catalog: <source-catalog>
source_schema: <source-schema>
source_table: <source-table>
destination_catalog: <destination-catalog>
destination_schema: <destination-schema>
table_configuration:
scd_type: SCD_TYPE_2
sequence_by: <sequence-column>

例: Workday

デフォルトでは、ヒストリー・トラッキングはオフになっています (SCD タイプ 1)。次の例の YAML では、Databricks アセット バンドルを使用してこの設定を変更します。

YAML
resources:
pipelines:
pipeline_workday:
name: <pipeline>
catalog: <destination-catalog>
schema: <destination-schema>
ingestion_definition:
connection_name: <connection>
objects:
- report:
source_url: <report-url>
destination_catalog: <destination-catalog>
destination_schema: <destination-schema>
table_configuration:
scd_type: SCD_TYPE_2

制限

完全な更新を実行すると、テーブル全体が置き換えられます。 これにより、以前の行バージョンがすべて削除されます。新しい履歴は、更新ポイントから開始して追跡されます。