Databricks（AWS）でYouTube Analytics 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YouTube Analytics 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YouTube Analytics 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YouTube Analytics 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。YouTube Analytics 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YouTube Analytics 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YouTube Analytics 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YouTube Analytics 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.youtubeanalytics.jar）をアップロードします。

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

YouTube Analytics 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YouTube Analytics 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.youtubeanalytics.YouTubeAnalyticsDriver"
url = "jdbc:youtubeanalytics:RTK=5246...;ContentOwnerId=MyContentOwnerId;ChannelId=MyChannelId;"

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、YouTube Analytics 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.youtubeanalytics.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。

YouTube Analytics への接続には、OAuth 認証標準を使います。ユーザーアカウントまたはサービスアカウントで認証できます。組織全体のアクセススコープをCData 製品に許可するには、サービスアカウントが必要です。下記で説明するとおり、CData 製品はこれらの認証フローをサポートします。

ユーザー資格情報の接続プロパティを設定せずに接続できます。次を設定して、接続してください。ChannelId：YouTube チャンネルのId に設定。指定しない場合、認証されたユーザーのチャンネルのデータが返されます。ContentOwnerId：コンテンツ所有者のレポートを生成する場合に設定。接続すると、CData 製品はデフォルトブラウザでOAuth エンドポイントを開きます。ログインして、アプリケーションにアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。

他のOAuth 認証フローについては、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

YouTube Analytics 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、YouTube Analytics 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" , "Groups") \
	.load ()

YouTube Analytics のデータを表示

ロードしたYouTube Analytics 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 ("Snippet_Title"))

Databricks でYouTube Analytics 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YouTube Analytics 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 Snippet_Title, ContentDetails_ItemCount FROM SAMPLE_VIEW ORDER BY ContentDetails_ItemCount DESC LIMIT 5

YouTube Analytics 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 YouTube Analytics 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YouTube Analytics 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。