Apache Spark でDiscourse のデータをSQL で操作する方法
Apache Spark は大規模データ処理のための高速エンジンです。CData JDBC Driver for API と組み合わせると、Spark はリアルタイムでDiscourse のデータに連携して処理ができます。本記事では、Spark シェルに接続してDiscourse をクエリする方法について解説します。
CData JDBC Driver は、最適化されたデータ処理がドライバーに組み込まれているため、リアルタイムDiscourse と対話するための高いパフォーマンスを提供します。Discourse 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、サポートされているSQL操作を直接Discourse にプッシュし、組込みSQL エンジンを使用してサポートされていない操作（SQL 関数やJOIN 操作）を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用してDiscourse を操作して分析できます。
CData JDBC Driver for API をインストール
まずは、本記事右側のサイドバーからAPI JDBC Driver の無償トライアルをダウンロード・インストールしてください。30日間無償で、製品版の全機能が使用できます。
Spark Shell を起動してDiscourse のデータに接続
- ターミナルを開き、Spark shell でCData JDBC Driver for API JAR file をjars パラメータに設定します:
$ spark-shell --jars /CData/CData JDBC Driver for API/lib/cdata.jdbc.api.jar
- Shell でJDBC URL を使ってDiscourse に接続し、SQL Context load() function でテーブルを読み込みます。
Discourse API は API キー認証を使用します。
API キー認証の設定
Discourse の認証には API Key と Username が必要です。API キーは、Discourse 管理パネルの API セクションで生成します。ユーザー固有の API キー、または全ユーザー向けの API キーを作成できます。 API キーを取得したら、Domain および Username とあわせて ProfileSettings 接続プロパティに設定します。
接続文字列の例
Profile=C:\profiles\Discourse.apip;ProfileSettings='Domain=forum.example.com;APIKey=your_api_key;Username=your_username;'AuthScheme=APIKey;
組み込みの接続文字列デザイナー
JDBC 接続文字列URL の作成には、Discourse JDBC Driver にビルトインされたデザイナを使用できます。JAR ファイルをダブルクリックするか、コマンドラインでJAR ファイルを実行するとデザイナが開きます。
java -jar cdata.jdbc.api.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。
scala> val api_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:api:Profile=C:\profiles\Discourse.apip;ProfileSettings='Domain=forum.example.com;APIKey=your_api_key;Username=your_username;'AuthScheme=APIKey;").option("dbtable","Backups").option("driver","cdata.jdbc.api.APIDriver").load() - 接続が完了し、データがロードされたら、テーブルスキーマが表示されます。
Discourse をテンポラリーテーブルとして登録します:
scala> api_df.registerTable("backups")-
データに対して、次のようなカスタムSQL クエリを実行します。
scala> api_df.sqlContext.sql("SELECT , FROM Backups WHERE = ").collect.foreach(println)コンソールで、次のようなDiscourse のデータを取得できました！これでDiscourse との連携は完了です。
CData JDBC Driver for API をApache Spark で使って、Discourse に対して、複雑かつハイパフォーマンスなクエリを実行できます。30日の無償評価版 をダウンロードしてぜひお試しください。