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

CData JDBC Driver for Exchange をインストール

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

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

   Exchange への接続には、User およびPassword を指定します。さらに、接続するExchange サーバーのアドレスとサーバーに関連付けられたプラットフォームを指定します。

   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、Microsoft Exchange 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.exchange.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 exchange_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:exchange:User='myUser@mydomain.onmicrosoft.com';Password='myPassword';Server='https://outlook.office365.com/EWS/Exchange.asmx';Platform='Exchange_Online';").option("dbtable","Contacts").option("driver","cdata.jdbc.exchange.ExchangeDriver").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. Microsoft Exchange をテンポラリーテーブルとして登録します:

   scala> exchange_df.registerTable("contacts")

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> exchange_df.sqlContext.sql("SELECT GivenName, Size FROM Contacts WHERE BusinnessAddress_City = Raleigh").collect.foreach(println)

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

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