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

CData JDBC Driver for DocuSign をインストール

まずは、本記事右側のサイドバーからDocuSign 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DocuSign データに接続

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

   DocuSign への接続には以下の接続プロパティを設定します:

   • UseSandbox: UseSandbox は現在のユーザーアカウントがサンドボックスかそうでないかを示します。デフォルトはfalse です。サンドボックスアカウントがある場合はTrue に設定します。
   • AccountId (optional): 認証が成功すると自動的に設定されます。 または、複数のAccount Id にアクセスできる場合は、接続文字列で手動で設定できます。アカウントId を取得するには、UserInfo ビューをクエリします。

   DocuSign への認証

   DocuSign はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得しなければなりません。認証方法については、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

   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、DocuSign 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.docusign.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 docusign_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:docusign:OAuthClientId=MyClientId; OAuthClientSecret=MyClientSecret; CallbackURL=http://localhost:33333; ").option("dbtable","Documents").option("driver","cdata.jdbc.docusign.DocuSignDriver").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. DocuSign をテンポラリーテーブルとして登録します:

   scala> docusign_df.registerTable("documents")

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> docusign_df.sqlContext.sql("SELECT DocumentId, DocumentName FROM Documents WHERE DocumentName = TPSReport").collect.foreach(println)

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

CData JDBC Driver for DocuSign をApache Spark で使って、DocuSign 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。