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

CData JDBC Driver for AzureSynapse をインストール

まずは、本記事右側のサイドバーからAzureSynapse 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Azure Synapse データに接続

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

   Azure Synapse への接続

   Azure Synapse データベースに接続するには、認証に加えて（下記参照）、次のプロパティを設定します。

   • Server：Azure を実行しているサーバー。Azure ポータルにログインして、［Azure Synapse Analytics］->［Select your database］->［Overview］->［Server name］に進むと確認できます。
   • Database：［Azure Synapse Analytics］ページのAzure ポータルに表示されるデータベース名。

   Azure Synapse への認証

   次のプロパティを使用してAzure Synapse に接続します。

   • User：Azure との認証のためのユーザー名。
   • Password：認証ユーザーに関連付けられたパスワード。

   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、Azure Synapse 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.azuresynapse.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 azuresynapse_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:azuresynapse:User=myuser;Password=mypassword;Server=localhost;Database=Northwind;").option("dbtable","Products").option("driver","cdata.jdbc.azuresynapse.AzureSynapseDriver").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. Azure Synapse をテンポラリーテーブルとして登録します:

   scala> azuresynapse_df.registerTable("products")

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> azuresynapse_df.sqlContext.sql("SELECT Id, ProductName FROM Products WHERE ProductName = Konbu").collect.foreach(println)

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

CData JDBC Driver for AzureSynapse をApache Spark で使って、Azure Synapse 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。