Apache Spark でKlipfolio 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Klipfolio 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Klipfolio 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Klipfolio と対話するための高いパフォーマンスを提供します。Klipfolio 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Klipfolio 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Klipfolio 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Klipfolio 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Klipfolio に接続し、SQL Context load() function でテーブルを読み込みます。

   まず、Profile 接続プロパティにKlipfolio プロファイルのディスク上の場所を設定します（例：C:\profiles\Klipfolio.apip）。次に、ProfileSettings 接続プロパティにKlipfolio の接続文字列を設定します（以下を参照）。

   Klipfolio API プロファイル設定

   Klipfolio に認証するには、API Key を提供する必要があります。API Key は、Klipfolio Dashboard アプリのMy Profile ページから、または管理者の場合はUsers から生成できます（user.manage 権限が必要です）。ProfileSettings プロパティにAPI Key を設定して接続します。

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

   scala> api_df.registerTable("datasources")

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, Name FROM DataSources WHERE IsDynamic = true").collect.foreach(println)

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

   

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