Databricks（AWS）でUM SaaS Cloud 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UM SaaS Cloud 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UM SaaS Cloud 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UM SaaS Cloud 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。UM SaaS Cloud 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UM SaaS Cloud 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UM SaaS Cloud 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UM SaaS Cloud 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.umsaascloud.jar）をアップロードします。

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

UM SaaS Cloud 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UM SaaS Cloud 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.umsaascloud.UMSaaSCloudDriver"
url = "jdbc:umsaascloud:RTK=5246...;AuthScheme=Basic;User=myUser;Password=myPassword;Security Token=myToken;"

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、UM SaaS Cloud 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.umsaascloud.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。

UM SaaS Cloud 接続プロパティの取得・設定方法

デフォルトでは、CData 製品は本番環境に接続します。UMSaaSCloud sandbox アカウントを使用するには、UseSandbox をtrue に設定します。ユーザー / パスワード認証を使用している場合は、User にsandbox のユーザー名を設定してください。

UM SaaS Cloud への認証

UM SaaS Cloud は、Basic、OAuth、OAuthJWT（コンシューマーキー）など、複数の認証方式をサポートしています。ここではBasic 認証について説明します。認証情報の詳しい取得方法や他の認証方法については、ヘルプドキュメントの「はじめに」セクションを参照してください。

Basic 認証

Basic 認証は、セキュリティトークンとユーザー資格情報の使用に基づきます。Basic 認証を使用するには、AuthScheme をBasic に、User とPassword をログイン資格情報に設定し、SecurityToken を設定します。

デフォルトではSecurityToken が必要ですが、UM SaaS Cloud で信頼できるIP アドレスの範囲を設定することで、オプションにすることができます。

UM SaaS Cloud 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、UM SaaS Cloud 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" , "Account") \
	.load ()

UM SaaS Cloud のデータを表示

ロードしたUM SaaS Cloud 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 ("BillingState"))

Databricks でUM SaaS Cloud 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UM SaaS Cloud 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 BillingState, Name FROM SAMPLE_VIEW ORDER BY Name DESC LIMIT 5

UM SaaS Cloud 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 UM SaaS Cloud 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UM SaaS Cloud 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。