Databricks（AWS）でPaddle 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Paddle 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Paddle 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Paddle 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Paddle 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。Paddle 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Paddle 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Paddle 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Paddle 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。

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

Paddle 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Paddle 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\Paddle.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key";"

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、Paddle 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。

API キー認証の設定

Paddle は API キー認証を使用します。API キーを取得するには、以下のステップで進めます：

  1. https://vendors.paddle.com で Paddle アカウントにサインインします
  2. Developer Tools > Authentication に移動します
  3. 「Generate API Key」をクリックします
  4. アクセスしたいデータに対して適切な権限を割り当てます
  5. 生成されたキーをコピーします（サンドボックスキーは pdl_sdbx_apikey_ で始まり、本番キーは pdl_live_apikey_ で始まります）

API キーを取得したら、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：Paddle の API キーに設定します。

接続文字列の例

Profile=C:\profiles\Paddle.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key";

Paddle への接続

認証を設定すると、Paddle に接続して、Products、Customers、Subscriptions、Transactions などの利用可能なテーブルからデータをクエリできます。

Paddle 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、Paddle 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" , "Products") \
	.load ()

Paddle のデータを表示

ロードしたPaddle 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 (""))

Databricks でPaddle 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Paddle 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

Paddle 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Paddle 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 Paddle のライブデータに接続

Paddle に接続

この記事の内容

関連記事