ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →Google BigQuery Driver の30日間無償トライアルをダウンロード
30日間の無償トライアルへ製品の詳細
Google BigQuery JDBC Driver 相談したいGoogle BigQuery データ(テーブル、データセットなど)を組み込んだパワフルなJava アプリケーションを短時間・低コストで作成して配布できます。
CData
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 GoogleBigQuery と組み合わせると、Spark はリアルタイムでBigQuery 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BigQuery 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BigQuery と対話するための高いパフォーマンスを提供します。BigQuery 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BigQuery 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BigQuery を操作して分析できます。
まずは、本記事右側のサイドバーからGoogleBigQuery 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 --jars /CData/CData JDBC Driver for GoogleBigQuery/lib/cdata.jdbc.googlebigquery.jar
Google BigQuery はOAuth 認証標準を使用します。個々のユーザーとしてGoogle API にアクセスするには、組み込みクレデンシャルを使うか、OAuth アプリを作成します。
OAuth では、Google Apps ドメインのユーザーとしてサービスアカウントを使ってアクセスすることもできます。サービスカウントでの認証では、OAuth JWT を取得するためのアプリケーションを登録する必要があります。
OAuth 値に加え、DatasetId、ProjectId を設定する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。
JDBC 接続文字列URL の作成には、BigQuery 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.googlebigquery.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 googlebigquery_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlebigquery:DataSetId=MyDataSetId;ProjectId=MyProjectId;").option("dbtable","Orders").option("driver","cdata.jdbc.googlebigquery.GoogleBigQueryDriver").load()
BigQuery をテンポラリーテーブルとして登録します:
scala> googlebigquery_df.registerTable("orders")
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> googlebigquery_df.sqlContext.sql("SELECT OrderName, Freight FROM Orders WHERE ShipCity = New York").collect.foreach(println)
コンソールで、次のようなBigQuery データを取得できました!これでBigQuery との連携は完了です。
CData JDBC Driver for GoogleBigQuery をApache Spark で使って、BigQuery 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。