Apache Spark でAlfresco データをSQL で操作

Apache Spark は大規模データ処理のための高速で一般的なエンジンです。CData JDBC Driver for Alfresco と組み合わせると、Spark はリアルタイムAlfresco にデータ連携して処理ができます。ここでは、Spark シェルに接続してAlfresco をクエリする方法について説明します。

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Alfresco と対話するための高いパフォーマンスを提供します。Alfresco 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Alfresco 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Alfresco を操作して分析できます。

※製品について詳しい情報をご希望の方は以下からお進みください。

• Alfresco にほかのBI、ETL、開発ツールから接続したい：Alfresco データ連携ガイドおよびチュートリアルのリストへ
• Alfresco Drivers について詳細を知りたい：ドライバー詳細情報ページへ
• ほかのデータソースに連携したい：CData Drivers 一覧へ
• ドライバーの30日の無償トライアル版を使いたい：トライアル版ダウンロードページへ
• 製品の利用やライセンスについて相談したい：sales@cdata.co.jp までメールにてご相談ください。

CData JDBC Driver for Alfresco をインストール

CData JDBC Driver for Alfresco インストーラをダウンロードし、パッケージを解凍し、JAR ファイルを実行してドライバーをインストールします。

Spark Shell を起動してAlfresco データに接続

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

   Alfresco に接続するには、次の接続プロパティを指定する必要があります：User、Password、およびInstanceURL。User およびPassword は、Web ブラウザでAlfresco にアクセスするために使用するログインクレデンシャルに対応している必要があります。InstanceURL はクエリするAlfresco インスタンスに対応します。例えば、クエリをhttps://search-demo.dev.alfresco.me/alfresco/api/-default-/public/search/versions/1/sql にヒットさせたい場合は、InstanceURL にsearch-demo.dev.alfresco.me を指定する必要があります。

   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、Alfresco 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.alfresco.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 alfresco_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:alfresco:User=MyUsername; Password=MyPassword; Format=Solr; InstanceUrl=api-explorer.alfresco.com;").option("dbtable","Alfresco").option("driver","cdata.jdbc.alfresco.AlfrescoDriver").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. Alfresco をテンポラリーテーブルとして登録します:

   scala> alfresco_df.registerTable("alfresco")

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> alfresco_df.sqlContext.sql("SELECT DBID, Column1 FROM Alfresco WHERE Column2 = MyFilter").collect.foreach(println)

   You will see the results displayed in the console, similar to the following:

   

CData JDBC Driver for Alfresco をApache Spark で使って、Alfresco 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。是非、30日の無償試用版 をダウンロードしてお試しください。