Databricks（AWS）でSurveyMonkey 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SurveyMonkey 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SurveyMonkey 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SurveyMonkey 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。SurveyMonkey 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SurveyMonkey 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SurveyMonkey 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SurveyMonkey 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.surveymonkey.jar）をアップロードします。

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

SurveyMonkey 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SurveyMonkey 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.surveymonkey.SurveyMonkeyDriver"
url = "jdbc:surveymonkey:RTK=5246...;OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;"

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、SurveyMonkey 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.surveymonkey.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。

SurveyMonkey はOAuth 2 認証標準を利用しています。SurveyMonkey がアンケートの回答を読むためにこれを必要とすることを考えると、アンケートを読むアカウントには有料プランのサブスクリプションが必要です。

SurveyMonkey への接続に使用できる認証方法は2つあります。

• プライベートoauth アプリケーションを登録するときに、パーソナルアクセストークンを使用します。
• パブリックoauth アプリケーションを登録するときに、OAuth を使用します。

パーソナルアクセストークンの使用

個人用トークンを使用して、自分のデータをテストし、アクセスします。個人用トークンを取得するには、ヘルプの「Creating a Custom OAuth App」の手順に従って、次の接続プロパティを設定します。

• OAuthAccessToken：アプリケーション設定で生成されたAccessToken に設定。
• InitiateOAuth：OFF に設定。

OAuth の使用

CData 製品はすでにSurveyMonkey にOAuth アプリケーションとして登録されています。そのため、デフォルトでは、自動的に埋め込みクレデンシャルを使用して接続します。

独自のカスタムOAuth アプリを使用したい場合は、ヘルプのCustom Credentials を参照してください。

SurveyMonkey 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、SurveyMonkey 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" , "MySurvey_Responses") \
	.load ()

SurveyMonkey のデータを表示

ロードしたSurveyMonkey 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 ("RespondentId"))

Databricks でSurveyMonkey 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SurveyMonkey 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 RespondentId, ChoiceId FROM SAMPLE_VIEW ORDER BY ChoiceId DESC LIMIT 5

SurveyMonkey 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 SurveyMonkey 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SurveyMonkey 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。