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

CData JDBC Driver for ExactOnline をインストール

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

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

   Exact Online はOAuth 認証標準を使用します。InitiateOAuth 接続プロパティはOAuth フローを容易にします。デフォルトではGETANDREFRESH です。埋め込みクレデンシャルを使用する、またはExact にOAuth アプリを登録して独自のクレデンシャルを取得することもできます。 OAuth 値に加え、Region を指定します。Division が設定されない場合は、デフォルトのDivision が使用されます。

   詳しくは、ヘルプドキュメントの「はじめに」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、Exact Online 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.exactonline.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 exactonline_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:exactonline:Region='United States';Division=5512;").option("dbtable","Accounts").option("driver","cdata.jdbc.exactonline.ExactOnlineDriver").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. Exact Online をテンポラリーテーブルとして登録します:

   scala> exactonline_df.registerTable("accounts")

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> exactonline_df.sqlContext.sql("SELECT Name, CreditLinePurchase FROM Accounts WHERE IsCompetitor = False").collect.foreach(println)

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

CData JDBC Driver for ExactOnline をApache Spark で使って、Exact Online 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。