Apache Spark でStrava 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Strava 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Strava 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Strava と対話するための高いパフォーマンスを提供します。Strava 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Strava 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Strava 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Strava 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Strava に接続し、SQL Context load() function でテーブルを読み込みます。
Strava への認証では、OAuth 標準を使って自分のデータに接続したり、他のユーザーが各自のデータに接続できるようにしたりできます。
OAuth 認証の設定
Strava に接続するには、カスタム OAuth アプリケーションを作成する必要があります。カスタム OAuth アプリケーションを作成するには、以下のステップで進めます：
- Strava API Settings ページにログインします
- 新しいアプリケーションを作成するか、既存のアプリケーションを選択します
- 「Authorization Callback Domain」をコールバック URL のドメインに設定します（例：localhost）
- Client ID と Client Secret を控えておきます
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：OAuth に設定します。
- InitiateOAuth：GETANDREFRESH に設定します。InitiateOAuth を使うと、OAuthAccessToken を取得するプロセスを管理できます。
- OAuthClientId：Strava API アプリケーションの Client ID に設定します。
- OAuthClientSecret：Strava API アプリケーションの Client Secret に設定します。
- CallbackURL：アプリケーションのコールバックドメインに一致するリダイレクト URI に設定します。
接続文字列の例：
Profile=C:\profiles\Strava.apip;AuthScheme=OAuth;InitiateOAuth=GETANDREFRESH;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackURL=http://localhost:33333;
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、Strava 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\Strava.apip;AuthScheme=OAuth;InitiateOAuth=GETANDREFRESH;OAuthClientId=your_client_id;OAuthClientSecret=your_client_secret;CallbackURL=http://localhost:33333;").option("dbtable","Athlete").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。
Strava をテンポラリーテーブルとして登録します:
scala> api_df.registerTable("athlete")-
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 Athlete WHERE = ").collect.foreach(println)コンソールで、次のようなStrava のデータを取得できました！これでStrava との連携は完了です。
CData JDBC Driver for API をApache Spark で使って、Strava 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。