PolyBase で外部データソースとしてDatabricks を連携利用

SQL Server のPolyBase は、データベーステーブルをクエリするTransact-SQL 構文を使って、外部データにクエリする仕組みです。 CData ODBC Driver for Databricks を組み合わせて使うことで、SQL Server データと同じようにDatabricks へのアクセスが可能です。 本記事では、外部データソースと外部テーブルの作成から、T-SQL クエリを使ってライブDatabricks データへ接続を認可するところまで説明します。

CData ODBC ドライバーは、ドライバーに組み込まれた最適化されたデータ処理により、PolyBase でライブDatabricks データを送受信するための圧倒的なパフォーマンスを提供します。SQL Server からDatabricks 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のサポートされているSQL 操作をDatabricks に直接プッシュダウンし、組み込みSQL エンジンを利用して、サポートされていない操作（一般的にはSQL 関数とJOIN 操作） をクライアント側で処理します。また、PolyBase を使用することで、単一のクエリを使用して分散ソースからデータをプルし、SQL Server データをDatabricks と結合することもできます。

Databricks への接続

未指定の場合は、初めにODBC DSN（data source name）で接続プロパティを指定します。ドライバーのインストールの最後にアドミニストレーターが開きます。Microsoft ODBC Data Source Administrator を使用して、ODBC DSN を作成および構成できます。PolyBase を使用してSQL Server に外部データソースを作成するには、System DSN を構成します。（CData Databricks Sys は自動的に作成されます。）

To connect to a Databricks cluster, set the properties as described below.

Note: The needed values can be found in your Databricks instance by navigating to Clusters, and selecting the desired cluster, and selecting the JDBC/ODBC tab under Advanced Options.

• Server: Set to the Server Hostname of your Databricks cluster.
• HTTPPath: Set to the HTTP Path of your Databricks cluster.
• Token: Set to your personal access token (this value can be obtained by navigating to the User Settings page of your Databricks instance and selecting the Access Tokens tab).

［接続のテスト］をクリックして、DSN がDatabricks に正しく接続できているかを確認します。［テーブル］タブに移動し、Databricks のテーブル定義を確認します。

Databricks データの外部データソースを作成

接続を構成したのち、外部データソースのマスター暗号化キーと資格情報データベースを作成する必要があります。

マスター暗号化キーの作成

以下のSQL コマンドを実行して新しいマスターキー［ENCRYPTION］を作成し、外部データソースの資格情報を暗号化します。

CREATE MASTER KEY ENCRYPTION BY PASSWORD = 'password';

資格情報データベースの作成

以下のSQL コマンドを実行してDatabricks に接続されている外部データソースの資格情報を作成します。

Note：IDENTITY とSECRET はDatabricks のUser プロパティとPassword プロパティに対応しています。

CREATE DATABASE SCOPED CREDENTIAL databricks_creds
WITH IDENTITY = 'username', SECRET = 'password';

Databricks の外部データソースを作成

以下のSQL コマンドを実行し、以前作成したDSN と資格情報を使用して、PolyBase でDatabricks の外部データソースを作成します。

NoteSERVERNAME とPORT は、Databricks のServer とPort の接続プロパティに対応しています。PUSHDOWN は、デフォルトでON に設定されているため、ODBC Driver は、サーバー側の処理を利用して複雑なクエリを実行できます。

CREATE EXTERNAL DATA SOURCE cdata_databricks_source
WITH ( 
  LOCATION = 'odbc://SERVERNAME[:PORT]',
  CONNECTION_OPTIONS = 'DSN=CData Databricks Sys',
  -- PUSHDOWN = ON | OFF,
  CREDENTIAL = databricks_creds
);

Databricks の外部テーブルを作成

外部データソースを作成したら、CREATE EXTERNAL TABLE ステートメントを使用してSQL Server インスタンスからDatabricks にリンクします。テーブルカラムの定義は、CData ODBC Driver for Databricks によって公開されているものと一致しなければなりません。DSN Configuration Wizard の［テーブル］タブを参照し、テーブルの定義を確認できます。

CREATE TABLE ステートメントのサンプル

以下は、Databricks Customers に基づいて外部テーブルを作成するステートメントの一例です。

CREATE EXTERNAL TABLE Customers(
  City [nvarchar](255) NULL,
  CompanyName [nvarchar](255) NULL,
  ...
) WITH ( 
  LOCATION='Customers',
  DATA_SOURCE=cdata_databricks_source
);

SQL Server インスタンスでDatabricks の外部テーブルを作成すると、ローカルデータとリモートデータを同時にクエリできるようになります。CData ODBC Driver に組み込まれているクエリ処理により、可能な限り多くのクエリ処理がDatabricks にプッシュされることで、ローカルのリソースと計算リソースが解放されます。ODBC Driver for Databricks の30日間無料トライアルをダウンロードし、SQL Server データでライブDatabricks データを使い始めましょう。