Apache Spark でExa 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Exa 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Exa 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Exa と対話するための高いパフォーマンスを提供します。Exa 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Exa 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Exa 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Exa 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Exa 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 Exa プロファイルの場所に設定します（例：C:\profiles\Exa.apip）。次に、ProfileSettings 接続プロパティを Exa の接続文字列に設定します（以下を参照）。

   Exa API プロファイル設定

   dashboard.exa.ai にアクセスし、サインインまたはアカウントを作成して、API 設定から API キーを生成します。

   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、Exa 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\Exa.apip;ProfileSettings='APIKey=your_api_key';").option("dbtable","Answer").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. Exa をテンポラリーテーブルとして登録します:

   scala> api_df.registerTable("answer")

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 RequestId, Answer FROM Answer WHERE RequestId = my-request-id").collect.foreach(println)

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

   

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