Apache Spark でPhantomBuster 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PhantomBuster 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PhantomBuster 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PhantomBuster と対話するための高いパフォーマンスを提供します。PhantomBuster 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PhantomBuster 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PhantomBuster 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PhantomBuster のデータに接続
- 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
- Shell でJDBC URL を使ってPhantomBuster に接続し、SQL Context load() function でテーブルを読み込みます。
API キー認証の設定
Phantombuster API を利用するには、Phantombuster のアカウント設定から API キーを取得する必要があります。phantombuster.com に移動し、プロフィールアイコンをクリックして Settings を選択し、API セクションから API キーをコピーしてください。
以下の接続プロパティを設定して接続を確立してください：
- AuthScheme：APIKey に設定します。
- APIKey：アカウント設定ページから取得した Phantombuster の API キーに設定します。
複数組織のアカウント
API キーが複数の組織に紐づいている場合は、OrganizationId 接続プロパティに対象の組織識別子を設定することで、特定の組織を指定できます。設定すると、X-Phantombuster-Org リクエストヘッダーとして送信されます。
接続文字列の例：
Profile=C:\profiles\Phantombuster.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key_here"
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、PhantomBuster 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\Phantombuster.apip;AuthScheme=APIKey;ProfileSettings="APIKey=your_api_key_here"").option("dbtable","Agents").option("driver","cdata.jdbc.api.APIDriver").load() - 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。
PhantomBuster をテンポラリーテーブルとして登録します:
scala> api_df.registerTable("agents")-
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 , FROM Agents WHERE = ").collect.foreach(println)コンソールで、次のようなPhantomBuster のデータを取得できました！これでPhantomBuster との連携は完了です。
CData JDBC Driver for API をApache Spark で使って、PhantomBuster 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。