Apache Spark でPlacid 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Placid 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Placid 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Placid と対話するための高いパフォーマンスを提供します。Placid 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Placid 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Placid 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Placid 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Placid に接続し、SQL Context load() function でテーブルを読み込みます。
Placid は、API へのアクセスを制御するために API キー認証を使用します。API トークンはプロジェクトごとに固有で、placid.app のプロジェクト設定から取得できます。
API キー認証の設定
API キーを取得するには、placid.app にログインし、プロジェクトに移動してプロジェクト設定を開き、API セクションから API トークンを生成します。各 API トークンは特定のプロジェクトにスコープされている点に注意してください。
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：Placid のプロジェクト API トークンに設定します。
接続文字列の例：
Profile=C:\profiles\Placid.apip;AuthScheme=APIKey;ProfileSettings='APIKey=your_project_api_token';
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、Placid 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\Placid.apip;AuthScheme=APIKey;ProfileSettings='APIKey=your_project_api_token';").option("dbtable","Collections").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。
Placid をテンポラリーテーブルとして登録します:
scala> api_df.registerTable("collections")-
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 Collections WHERE = ").collect.foreach(println)コンソールで、次のようなPlacid のデータを取得できました！これでPlacid との連携は完了です。
CData JDBC Driver for API をApache Spark で使って、Placid 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。