Apache Spark でRespond.io 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Respond.io 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Respond.io 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Respond.io と対話するための高いパフォーマンスを提供します。Respond.io 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Respond.io 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Respond.io 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Respond.io 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Respond.io に接続し、SQL Context load() function でテーブルを読み込みます。
まず、Profile 接続プロパティをディスク上の Respondio プロファイルの場所に設定します（例：C:\profiles\Respondio.apip）。次に、ProfileSettings 接続プロパティを Respondio の接続文字列に設定します（以下を参照）。
Respondio API プロファイル設定
Respond.io では API キー認証を使用します。API キーは以下の手順で取得できます。
- Respond.io アカウントにログインします。
- ワークスペースの「Settings」に移動します。
- 「Integrations」セクションで「Developer」を選択します。
- ページに表示されている API キーをコピーします。
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：Respond.io の API キーに設定します。
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、Respond.io 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\Respondio.apip;AuthScheme=APIKey;ProfileSettings='APIKey=your_api_key';").option("dbtable","Contacts").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。
Respond.io をテンポラリーテーブルとして登録します:
scala> api_df.registerTable("contacts")-
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 Id, Email FROM Contacts WHERE Identifier = id:438180634").collect.foreach(println)コンソールで、次のようなRespond.io のデータを取得できました！これでRespond.io との連携は完了です。
CData JDBC Driver for API をApache Spark で使って、Respond.io 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。