各製品の資料を入手。
詳細はこちら →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 Cassandra と組み合わせると、Spark はリアルタイムでCassandra 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Cassandra 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Cassandra と対話するための高いパフォーマンスを提供します。Cassandra 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Cassandra 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Cassandra 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Cassandra 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 Cassandra/lib/cdata.jdbc.cassandra.jar
Cassandra への接続には、Server、Port、Database を接続プロパティとして設定します。追加で、内部認証を使う場合には、User、Password を接続プロパティに設定します。
JDBC 接続文字列URL の作成には、Cassandra 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.cassandra.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 cassandra_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:cassandra:Database=MyCassandraDB;Port=7000;Server=127.0.0.1;").option("dbtable","Customer").option("driver","cdata.jdbc.cassandra.CassandraDriver").load()
Cassandra をテンポラリーテーブルとして登録します:
scala> cassandra_df.registerTable("customer")
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> cassandra_df.sqlContext.sql("SELECT City, TotalDue FROM Customer WHERE FirstName = Bob").collect.foreach(println)
コンソールで、次のようなCassandra データを取得できました!これでCassandra との連携は完了です。
CData JDBC Driver for Cassandra をApache Spark で使って、Cassandra 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。