Databricks（AWS）でAvalara AvaTax のデータを処理・分析

Databricks は、Apache Spark を通じたデータ処理機能を提供するクラウドベースのサービスです。CData JDBC Driver と組み合わせることで、Databricks を使用してリアルタイムAvalara AvaTax のデータに対してデータエンジニアリングとデータサイエンスを実行できます。この記事では、AWS でCData JDBC Driver をホストし、Databricks でリアルタイムAvalara AvaTax のデータに接続して処理する方法を説明します。

最適化されたデータ処理が組み込まれたCData JDBC Driver は、リアルタイムAvalara AvaTax のデータを扱う上で比類のないパフォーマンスを提供します。Avalara AvaTax に複雑なSQL クエリを発行すると、ドライバーはフィルタや集計などのサポートされているSQL 操作をAvalara AvaTax に直接プッシュし、サポートされていない操作（主にSQL 関数やJOIN 操作）は組み込みSQL エンジンを利用してクライアント側で処理します。組み込みの動的メタデータクエリを使用すると、ネイティブデータ型を使ってAvalara AvaTax のデータを操作・分析できます。

CData JDBC Driver をDatabricks にインストール

Databricks でリアルタイムAvalara AvaTax のデータを操作するには、Databricks クラスターにドライバーをインストールします。

1. Databricks の管理画面に移動し、対象のクラスターを選択します。
2. Libraries タブで「Install New」をクリックします。
3. Library Source として「Upload」を選択し、Library Type として「Jar」を選択します。
4. インストール場所（通常はC:\Program Files\CData[product_name]\lib）からJDBC JAR ファイル（cdata.jdbc.avalaraavatax.jar）をアップロードします。

ノートブックでAvalara AvaTax のデータにアクセス：Python

JAR ファイルをインストールしたら、Databricks でリアルタイムAvalara AvaTax のデータを操作する準備が整いました。ワークスペースに新しいノートブックを作成します。ノートブックに名前を付け、言語としてPython を選択し（Scala も利用可能）、JDBC ドライバーをインストールしたクラスターを選択します。ノートブックが起動したら、接続を設定し、Avalara AvaTax をクエリして、基本的なレポートを作成できます。

Avalara AvaTax への接続を設定

JDBC Driver クラスを参照し、JDBC URL で使用する接続文字列を構築してAvalara AvaTax に接続します。また、JDBC URL でRTK プロパティを設定する必要があります（Beta ドライバーを使用している場合を除く）。このプロパティの設定方法については、インストールに含まれるライセンスファイルを参照してください。

ステップ1：接続情報

driver = "cdata.jdbc.avalaraavatax.AvalaraAvataxDriver"
url = "jdbc:avalaraavatax:RTK=5246...;User=MyUser;Password=MyPassword;"

組み込みの接続文字列デザイナー

JDBC URL の作成をサポートするために、Avalara AvaTax JDBC Driver に組み込まれている接続文字列デザイナーが使用できます。JAR ファイルをダブルクリックするか、コマンドラインからJAR ファイルを実行します。

java -jar cdata.jdbc.avalaraavatax.jar

接続プロパティを入力し、接続文字列をクリップボードにコピーします。

Basic 認証を実行する通常の方法は、次のログイン資格情報を提供することです。

• User：ユーザー名に設定します。
• Password：パスワードに設定します。

サンドボックス環境を使用している場合には、オプションで次を設定してください。

• UseSandbox：サンドボックスアカウントで認証する場合にはこれをtrue に設定します。

アカウント番号とライセンスキーを使用して認証する

または、アカウント番号とライセンスキーを使用して認証することもできます。次を使用してデータに接続します。

• AccountId：これをアカウントId に設定します。アカウントId は管理コンソールの右上端にリストされています。
• LicenseKey：これをAvalara Avatax のライセンスキーに設定します。ライセンスキーの生成は、Avalara Avatax アカウント管理者としてログインして Settings -> Reset License Key に移動して実行できます。

Avalara AvaTax のデータをロード

接続を設定したら、CData JDBC Driver と接続情報を使用して、Avalara AvaTax のデータをDataFrame としてロードできます。

ステップ2：データの読み取り

remote_table = spark.read.format ( "jdbc" ) \
	.option ( "driver" , driver) \
	.option ( "url" , url) \
	.option ( "dbtable" , "Transactions") \
	.load ()

Avalara AvaTax のデータを表示

ロードしたAvalara AvaTax のデータをdisplay 関数を呼び出して確認します。

ステップ3：結果の確認

display (remote_table.select ("Id"))

Databricks でAvalara AvaTax のデータを分析

Databricks SparkSQL でデータを処理するには、ロードしたデータをTemp View として登録します。

ステップ4：ビューまたはテーブルを作成

remote_table.createOrReplaceTempView ( "SAMPLE_VIEW" )

Temp View を作成したら、SparkSQL を使用してAvalara AvaTax のデータをレポート、ビジュアライゼーション、分析用に取得できます。

% sql

SELECT Id, TotalTax FROM SAMPLE_VIEW ORDER BY TotalTax DESC LIMIT 5

Avalara AvaTax からのデータは、対象のノートブックでのみ利用可能です。他のユーザーと共有したい場合は、テーブルとして保存します。

remote_table.write.format ( "parquet" ) .saveAsTable ( "SAMPLE_TABLE" )

CData JDBC Driver for Avalara の30日間無償トライアルをダウンロードして、Databricks でリアルタイムAvalara AvaTax のデータの操作をはじめましょう。ご不明な点があれば、サポートチームにお問い合わせください。