Apache Spark でDrift 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Drift 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Drift 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Drift と対話するための高いパフォーマンスを提供します。Drift 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Drift 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Drift 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Drift のデータに接続

1. 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
   

2. Shell でJDBC URL を使ってDrift に接続し、SQL Context load() function でテーブルを読み込みます。

   まず、Profile 接続プロパティをディスク上のDrift プロファイルの場所に設定します（例：C:\profiles\Drift.apip）。次に、ProfileSettings 接続プロパティをDrift の接続文字列に設定します（以下を参照）。

   Drift API プロファイル設定

   Drift はOAuth ベースの認証を使用します。

   まず、https://dev.drift.com でアプリケーションを登録する必要があります。アプリにはclient ID とclient secret が割り当てられます。OAuthClientId およびOAuthClientSecret プロパティを介して、これらを接続文字列に設定します。OAuth アプリケーションの設定の詳細については、https://devdocs.drift.com/docs/ を参照してください。

   ProfileSettings 接続プロパティに以下のオプションを設定すると、接続できるようになります。

   • AuthScheme：OAuth に設定します。
   • OAuthClientId：アプリ設定で指定されたClient Id に設定します。
   • OAuthClientSecret：アプリ設定で指定されたClient Secret に設定します。
   • CallbackURL：アプリ設定で指定したRedirect URI に設定します。
   • InitiateOAuth：GETANDREFRESH に設定します。InitiateOAuth を使用して、OAuthAccessToken を取得するプロセスを管理できます。

   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、Drift 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\Drift.apip;Authscheme=OAuth;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackUrl=your_callback_url;").option("dbtable","Contacts").option("driver","cdata.jdbc.api.APIDriver").load()
   

3. 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。

4. Drift をテンポラリーテーブルとして登録します:

   scala> api_df.registerTable("contacts")

5. 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 Id, DisplayName FROM Contacts WHERE LastName = Stark").collect.foreach(println)

   コンソールで、次のようなDrift のデータを取得できました！これでDrift との連携は完了です。

   

CData JDBC Driver for API をApache Spark で使って、Drift 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。

Apache Spark の設定