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

CData JDBC Driver for Basecamp をインストール

CData JDBC Driver for Basecamp 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Basecamp データに接続

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

   Basecamp はBasic 認証もしくはOAuth 2.0 認証を使います。Basic 認証を使用するには、Basecamp へのログインに使用するuser およびpassword が必要です。OAuth 2.0 を使用して認証するには、Basecamp にアプリを登録して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。

   詳しくは、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。

   さらに、AccountId 接続プロパティを設定する必要があります。これはBasecamp にログイン後にURL で確認できます。

   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、Basecamp 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.basecamp.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 basecamp_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:basecamp:User=test@northwind.db;Password=test123;").option("dbtable","Projects").option("driver","cdata.jdbc.basecamp.BasecampDriver").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. Basecamp をテンポラリーテーブルとして登録します:

   scala> basecamp_df.registerTable("projects")

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> basecamp_df.sqlContext.sql("SELECT Name, DocumentsCount FROM Projects WHERE Drafts = True").collect.foreach(println)

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

CData JDBC Driver for Basecamp をApache Spark で使って、Basecamp 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日の無償評価版 をダウンロードしてお試しください。