Databricks（AWS）でFactorial のデータを処理・分析

Jerod Johnson
Jerod Johnson
Director, Technology Evangelism
CData、AWS、Databricks を使用して、リアルタイムFactorial 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。

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Factorial 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Factorial 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Factorial 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。Factorial 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Factorial 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Factorial 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Factorial 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.api.jar）をアップロードします。
AWS にJDBC JAR ファイルをロード

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

Factorial 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Factorial 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.api.APIDriver"
url = "jdbc:api:RTK=5246...;Profile=C:\profiles\Factorial.apip;AuthScheme=OAuth;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackUrl=your_callback_url;"

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、Factorial 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.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。

認証

Factorial は認証に OAuth 2.0 を使用し、自分の HR データに接続する場合も、他のユーザーが各自のデータに接続できるようにする場合も、OAuth 2.0 認証を利用できます。

OAuth 認証の設定

OAuth を使って接続するには、以下のステップで進めます：

  1. Factorial の管理パネルに移動して、新しい OAuth アプリケーションを作成します。
  2. アプリケーション設定から Client ID と Client Secret をコピーします。
  3. 以下の接続プロパティを設定します。
  • AuthScheme：OAuth に設定します。
  • OAuthClientId：OAuth Client ID に設定します。
  • OAuthClientSecret：OAuth Client Secret に設定します。
  • Scope：データへのアクセス権限を指定します（デフォルト："read write"）。
組み込みの接続文字列デザイナーを使ってJDBC URL を生成（Salesforce の場合）

Factorial 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、Factorial 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" , "Agreements") \
	.load ()

Factorial のデータを表示

ロードしたFactorial 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 (""))
Factorial のデータを表示

Databricks でFactorial 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Factorial 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 ,  FROM SAMPLE_VIEW ORDER BY  DESC LIMIT 5
Factorial のデータを表示

Factorial 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 API Driver for JDBC 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Factorial 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。

はじめる準備はできましたか？

API Driver で Factorial のライブデータに接続

Factorial に接続

この記事の内容

関連記事