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

CData JDBC Driver for AmazonDynamoDB をインストール

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

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

   DynamoDB 接続プロパティの取得・設定方法

   Amazon DynamoDB への接続には、AccessKey、SecretKey、オプションでDomain とRegion を設定します。 AWS サービスアカウントのセキュリティクレデンシャルページでAccessKey とSecretKey を取得できます。 Region は、DynamoDB にログインしている時の左上に表示されています。

   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、Amazon DynamoDB 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.amazondynamodb.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 amazondynamodb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:amazondynamodb:Access Key=xxx;Secret Key=xxx;Domain=amazonaws.com;Region=OREGON;").option("dbtable","Lead").option("driver","cdata.jdbc.amazondynamodb.AmazonDynamoDBDriver").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. Amazon DynamoDB をテンポラリーテーブルとして登録します:

   scala> amazondynamodb_df.registerTable("lead")

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> amazondynamodb_df.sqlContext.sql("SELECT Industry, Revenue FROM Lead WHERE FirstName = Bob").collect.foreach(println)

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

CData JDBC Driver for AmazonDynamoDB をApache Spark で使って、Amazon DynamoDB 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。