Databricks（AWS）でMicrosoft Exchange 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Microsoft Exchange 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Microsoft Exchange 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Microsoft Exchange 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。Microsoft Exchange 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Microsoft Exchange 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Microsoft Exchange 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Microsoft Exchange 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.exchange.jar）をアップロードします。

ノートブックでMicrosoft Exchange 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Microsoft Exchange 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、Microsoft Exchange をクエリして、基本的なレポートを作成できます。

Microsoft Exchange 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Microsoft Exchange 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.exchange.ExchangeDriver"
url = "jdbc:exchange:RTK=5246...;User='[email protected]';Password='myPassword';Server='https://outlook.office365.com/EWS/Exchange.asmx';Platform='Exchange_Online';"

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、Microsoft Exchange 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.exchange.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。

Microsoft Exchange への接続

Exchange への接続には2つのスキーマがあります。

• Microsoft Graph
• Exchange Web Services（EWS）（非推奨）
  Note：Microsoft は、Exchange Online ユーザーに対してMicrosoft Graph への切り替えを推奨しています。

Microsoft Graph とEWS を切り替えるには、Schema をMSGraph またはEWS（非推奨）に設定します。

Microsoft Exchange OnPremises への認証

Microsoft Exchange OnPremises は、Basic（デフォルト）、Digest、Negotiate、NTLM 認証をサポートします。

Basic（デフォルト）

Microsoft Exchange OnPremises では、Basic がデフォルトの認証として設定されます。 Basic 認証を使用するには、以下のプロパティを設定します。

• AuthScheme：Basic。
• User：ユーザーのログインID。
• Password：ユーザーのログインパスワード。

他の認証方法については、ヘルプドキュメントの「はじめに」を参照してください。

Microsoft Exchange Online への認証

Microsoft Exchange Online は、複数のOAuth ベースの認証をサポートしています。 Microsoft Graph を介してExchange Online に接続する場合は、Schema をMSGraph に設定します。

認証方法の詳細は、ヘルプドキュメントの「はじめに」を参照してください。

Microsoft Exchange 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、Microsoft Exchange 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" , "Contacts") \
	.load ()

Microsoft Exchange のデータを表示

ロードしたMicrosoft Exchange 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 ("GivenName"))

Databricks でMicrosoft Exchange 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Microsoft Exchange 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 GivenName, Size FROM SAMPLE_VIEW ORDER BY Size DESC LIMIT 5

Microsoft Exchange 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 Exchange 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Microsoft Exchange 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。