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

CData JDBC Driver for BCart をインストール

まずは、本記事右側のサイドバーからBCart 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Bカート データに接続

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

   BCart への接続にはパーソナルアクセストークンが必要です。 BCart API 管理ページにログイン後、「アプリケーション管理」画面のCreate New Token をクリックし、Name を入力して必要な権限を設定します。設定すると、パーソナルアクセストークンを取得できます。その後、接続プロパティ、または接続文字列のPersonalAccessToken に生成されたパーソナルアクセストークンを設定します。

   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、Bカート 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.bcart.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 bcart_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:bcart:InitiateOAuth=GETANDREFRESH;").option("dbtable","Orders").option("driver","cdata.jdbc.bcart.BCartDriver").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. Bカート をテンポラリーテーブルとして登録します:

   scala> bcart_df.registerTable("orders")

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> bcart_df.sqlContext.sql("SELECT CustomerName, TotalPrice FROM Orders WHERE CustomerId = 123436").collect.foreach(println)

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

CData JDBC Driver for BCart をApache Spark で使って、Bカート 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。