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

   LINE API プロファイル設定

   LINE Messaging API では、チャネルアクセストークンによる認証を使用します。チャネルアクセストークンは以下の手順で取得できます。

   1. https://developers.line.biz で LINE Developers コンソールにログインします。
   2. プロバイダーを選択し、Messaging API チャネルを開きます。
   3. 「Messaging API」タブに移動します。
   4. 「Channel access token」で「Issue」をクリックし、長期のチャネルアクセストークンを発行します。
   5. 発行されたトークンをコピーします。

   チャネルアクセストークンを取得したら、以下の接続プロパティを設定します。

   • AuthScheme：APIKey に設定します。

   ProfileSettings 接続プロパティには、以下を設定します。

   • APIKey：LINE のチャネルアクセストークンに設定します。

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

   scala> api_df.registerTable("replymessagedelivery")

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 DeliveryDate, DeliveredCount FROM ReplyMessageDelivery WHERE DeliveryDate = 20240115").collect.foreach(println)

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

   

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