Apache Spark でBasecamp 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 Basecamp と組み合わせると、Spark はリアルタイムでBasecamp 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Basecamp 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

まずは、本記事右側のサイドバーからBasecamp 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)

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

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。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。