Apache Spark でSuadeo 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 Suadeo と組み合わせると、Spark はリアルタイムでSuadeo 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Suadeo 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Suadeo と対話するための高いパフォーマンスを提供します。Suadeo 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Suadeo 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Suadeo を操作して分析できます。

CData JDBC Driver for Suadeo をインストール

まずは、本記事右側のサイドバーからSuadeo 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Suadeo のデータに接続

1. ターミナルを開き、Spark shell でCData JDBC Driver for Suadeo JAR file をjars パラメータに設定します:

   $ spark-shell --jars /CData/CData JDBC Driver for Suadeo/lib/cdata.jdbc.suadeo.jar
   

2. Shell でJDBC URL を使ってSuadeo に接続し、SQL Context load() function でテーブルを読み込みます。

   ドライバーはOAuth 2.0 のリソースオーナーパスワードクレデンシャル（ROPC）グラントを使用してSuadeo に認証します。認証は直接資格情報を使用して行われます。ブラウザーベースの認証フローやリフレッシュトークンはありません。

   以下の接続プロパティを設定します：

   • URL：Suadeo インスタンスのベースURL。
   • User：Suadeo のユーザー名。
   • Password：Suadeo のパスワード。
   • AuthenticationName：Suadeo インスタンスの認証設定の名前識別子。異なる環境やユースケースに対して異なる認証名を設定できます。

   接続すると、ドライバーは資格情報をSuadeo のOAuth トークンエンドポイントに送信してアクセストークンを受け取り、以降のすべてのリクエストに使用します。セッション中に必要に応じて新しいアクセストークンが自動的に取得されます。

   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、Suadeo 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.suadeo.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 suadeo_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:suadeo:URL=https://mysuadeoinstance;User=username;Password=password;AuthenticationName=your_auth_name;").option("dbtable","Customers").option("driver","cdata.jdbc.suadeo.SuadeoDriver").load()
   

3. 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。

4. Suadeo をテンポラリーテーブルとして登録します:

   scala> suadeo_df.registerTable("customers")

5. 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> suadeo_df.sqlContext.sql("SELECT Id, Name FROM Customers WHERE Status = Active").collect.foreach(println)

   コンソールで、次のようなSuadeo のデータを取得できました！これでSuadeo との連携は完了です。

   

CData JDBC Driver for Suadeo をApache Spark で使って、Suadeo 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。

Apache Spark の設定