Azure Databricks でNeo4J のデータに接続してデータ処理を行う方法

Jerod Johnson
Jerod Johnson
Director, Technology Evangelism
CData JDBC Driver、Azure、Databricks を使用して、リアルタイムNeo4J のデータの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 による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 ドライバと組み合わせることで、Databricks を使用してリアルタイムNeo4J のデータの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、Azure で CData JDBC ドライバをホストし、Databricks からリアルタイムNeo4J のデータに接続してデータを処理する方法を説明します。

最適化されたデータ処理機能を組み込んだ CData JDBC ドライバは、リアルタイムNeo4J のデータとのインタラクションにおいて卓越したパフォーマンスを発揮します。Neo4J に対して複雑な 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 操作を直接Neo4Jにプッシュし、サポートされていない操作（主に SQL 関数や JOIN 操作）は組み込みの SQL エンジンを使用してクライアント側で処理します。動的メタデータクエリ機能により、ネイティブのデータ型を使用してNeo4J のデータの操作・分析が可能です。

CData JDBC ドライバを Azure にインストール

Databricks でリアルタイムNeo4J のデータを操作するには、Azure Data Lake Storage（ADLS）を通じてドライバーをインストールします。（以前のバージョンの記事で説明していた DBFS を介した接続方法は非推奨となっていますが、廃止日は公開されていません。）

  1. JDBC JAR ファイルを任意の Blob コンテナにアップロードします（例：「databrickslibraries」ストレージアカウントの「jdbcjars」コンテナ）。
  2. ストレージアカウントから「セキュリティとネットワーク」を展開し、「アクセスキー」をクリックしてアカウントキーを取得します。使用するキーを表示してコピーしてください。
  3. コンテナに移動し、JAR を保存している特定のコンテナを開き、JDBC JAR ファイルのエントリを選択して JAR ファイルの URL を取得します。ファイルの詳細が開き、URL をクリップボードにコピーするボタンがあります。この値は以下のようになります（「blob」の部分はストレージアカウントの種類によって異なる場合があります）： 
    https://databrickslibraries.blob.core.windows.net/jdbcjars/cdata.jdbc.salesforce.jar
  4. Databricks クラスターの「Configuration」タブで「Edit」ボタンをクリックし、「Advanced options」を展開します。そこで、以下の Spark オプション（JAR URL のドメイン名から派生）に、コピーしたアカウントキーを値として追加し、「Confirm」をクリックします： spark.hadoop.fs.azure.account.key.databrickslibraries.blob.core.windows.net
  5. Databricks クラスターの「Libraries」タブで「Install new」をクリックし、ADLS オプションを選択します。ドライバー JAR の ABFSS URL（これも JAR URL のドメイン名から派生）を指定し、「Install」をクリックします。ABFSS URL は以下のようになります： 
    abfss://[email protected]/cdata.jdbc.salesforce.jar

Databricks からNeo4Jに接続

JAR ファイルがインストールされたら、Databricks でリアルタイムNeo4J のデータを操作する準備が整いました。まず、ワークスペースで新しいノートブックを作成します。ワークブックに名前を付け、言語として Python が選択されていることを確認し（デフォルトで選択されているはずです）、「Connect」をクリックして「General Compute」から 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（デフォルトで選択されているはずです）。

Neo4Jへの接続を設定

JDBC ドライバのクラスを参照し、JDBC URL で使用する接続文字列を構築してNeo4Jに接続します。また、JDBC URL に 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。

driver = "cdata.jdbc.neo4j.Neo4jDriver"
url = "jdbc:neo4j:RTK=5246...;Server=localhost;Port=7474;User=my_user;Password=my_password;"

組み込みの接続文字列デザイナー

JDBC URL の構築には、Neo4J JDBC Driver に組み込まれている接続文字列デザイナーを使用できます。JAR ファイルをダブルクリックするか、コマンドラインから JAR ファイルを実行してください。

java -jar cdata.jdbc.neo4j.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。

Neo4j に接続するには、次の接続プロパティを設定します。

  • Server：Neo4j インスタンスをホスティングしているサーバー。
  • Port：Neo4j サービスが稼働しているポート。プロバイダーは、デフォルトでHTTP (7474) ポートに接続します。
  • User：Neo4j インスタンスを使用しているユーザーのユーザー名。
  • Password：Neo4j インスタンスを使用しているユーザーのパスワード。
  • Database：Neo4j インスタンスで対象とするデータベース。デフォルトは"neo4j" です。

Neo4J のデータの読み込み

接続を設定したら、CData JDBC ドライバと接続情報を使用してNeo4J のデータをデータフレームとして読み込むことができます。

remote_table = spark.read.format ( "jdbc" ) \
	.option ( "driver" , driver) \
	.option ( "url" , url) \
	.option ( "dbtable" , "ProductCategory") \
	.load ()

Neo4J のデータの表示

読み込んだNeo4J のデータを display 関数で確認してみましょう。

display (remote_table.select ("CategoryId"))

Azure Databricks でNeo4J のデータを分析

Databricks SparkSQL でデータを処理したい場合は、読み込んだデータを一時ビューとして登録します。

remote_table.createOrReplaceTempView ( "SAMPLE_VIEW" )

以下の SparkSQL で分析用のNeo4J のデータを取得できます。

result = spark.sql("SELECT CategoryId, CategoryName FROM SAMPLE_VIEW WHERE CategoryOwner = 'CData Software'")

Neo4J からのデータは、対象のノートブック内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てください。

remote_table.write.format ( "parquet" ) .saveAsTable ( "SAMPLE_TABLE" )

CData JDBC Driver for Neo4J の30日間の無償トライアルをダウンロードして、Azure Databricks でリアルタイムNeo4J のデータを活用してみてください。ご不明な点があれば、サポートチームまでお気軽にお問い合わせください。

はじめる準備はできましたか？

Neo4J Driver の無料トライアルをダウンロードしてお試しください：

 ダウンロード

詳細：

Neo4J Icon Neo4J JDBC Driver お問い合わせ

Neo4j データと連携するパワフルなJava アプリケーションを短時間・低コストで作成して配布できます。

この記事の内容

関連記事