Databricks（AWS）でSAP Business Warehouse 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SAP Business Warehouse 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SAP Business Warehouse 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SAP Business Warehouse 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。SAP Business Warehouse 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SAP Business Warehouse 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SAP Business Warehouse 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SAP Business Warehouse 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.sapbusinesswarehouse.jar）をアップロードします。

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

SAP Business Warehouse 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SAP Business Warehouse 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.sapbusinesswarehouse.SAPBusinessWarehouseDriver"
url = "jdbc:sapbusinesswarehouse:RTK=5246...;URL=https://mysapserver:8000;AuthScheme=Basic;User=username;Password=password;"

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、SAP Business Warehouse 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.sapbusinesswarehouse.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。

SAP Business Warehouse に接続するには、URL プロパティを有効なSAP Business Warehouse サーバーのベースURL に設定します。ドライバーはXMLAアクセスを使用してHTTP 上でホストされたSAP Business Warehouse インスタンスに接続する必要があります。

ドライバーはAuthScheme プロパティを通じて以下の認証スキームをサポートしています：

• None：サーバーで使用可能な場合、匿名認証。
• Basic：User とPassword を設定し、AuthScheme をBasic に設定します。
• Kerberos：必要なKerberos プロパティについては、ヘルプドキュメントの「Kerberos の使用」セクションを参照してください。

デフォルトでは、ドライバーはシステムの信頼された証明書ストアに対してサーバーの証明書を確認することでSSL/TLS のネゴシエーションを試みます。別の証明書を指定するには、使用可能な形式についてSSLServerCert プロパティを参照してください。

SAP Business Warehouse 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、SAP Business Warehouse 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" , "Sales") \
	.load ()

SAP Business Warehouse のデータを表示

ロードしたSAP Business Warehouse 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 ("CustomerCount"))

Databricks でSAP Business Warehouse 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SAP Business Warehouse 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 CustomerCount, City FROM SAMPLE_VIEW ORDER BY City DESC LIMIT 5

SAP Business Warehouse 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 SAP Business Warehouse 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SAP Business Warehouse 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。