Apache Spark でAct-On データをSQL で操作する方法

こんにちは！リードエンジニアの杉本です。

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

CData JDBC Driver for ActOn をインストール

まずは、本記事右側のサイドバーからActOn 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Act-On データに接続

1. ターミナルを開き、Spark shell でCData JDBC Driver for ActOn JAR file をjars パラメータに設定します: $ spark-shell --jars /CData/CData JDBC Driver for ActOn/lib/cdata.jdbc.acton.jar
2. Shell でJDBC URL を使ってAct-On に接続し、SQL Context load() function でテーブルを読み込みます。

   ActOn はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。

   認証方法についての詳細は、ヘルプドキュメントの「認証の使用」を参照してください。

   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、Act-On 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.acton.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 acton_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:acton:").option("dbtable","Images").option("driver","cdata.jdbc.acton.ActOnDriver").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. Act-On をテンポラリーテーブルとして登録します:

   scala> acton_df.registerTable("images")

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> acton_df.sqlContext.sql("SELECT Id, Name FROM Images WHERE FolderName = New Folder").collect.foreach(println)

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

CData JDBC Driver for ActOn をApache Spark で使って、Act-On 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。