Databricks（AWS）でOData 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OData services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OData services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OData servicesを扱う上で比類のないパフォーマンスを提供します。OData 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OData 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OData servicesを操作・分析できます。

はじめに

---

CData JDBC Driver をDatabricks にインストール

Databricks でリアルタイムOData services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.odata.jar）をアップロードします。

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

OData 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OData 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.odata.ODataDriver"
url = "jdbc:odata:RTK=5246...;URL=http://services.odata.org/V4/Northwind/Northwind.svc;UseIdUrl=True;OData Version=4.0;Data Format=ATOM;"

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、OData 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.odata.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。

OData への接続

OData に接続するには、Url を有効なOData サービスルートURI に設定する必要があります。 OData サービスにルートドキュメントがない場合、テーブルとして公開したい特定のエンティティをFeedURL に指定してください。

OData への認証

OData は、以下を経由する認証をサポートします。

• HTTP
• Kerberos
• SharePoint Online
• OAuth
• Azure AD

HTTP 認証スキーム

HTTP で認証する場合は、次の表に従ってAuthScheme を設定します。

その他の認証方法の詳細は、ヘルプドキュメントの「接続の確立」セクションを参照してください。

OData 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、OData services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" , "Orders") \
	.load ()

OData のデータを表示

ロードしたOData services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 ("OrderName"))

Databricks でOData 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OData services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 OrderName, Freight FROM SAMPLE_VIEW ORDER BY Freight DESC LIMIT 5

OData 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 OData 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OData services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。