Apache Spark でFacebook データをSQL で操作

Apache Spark は大規模データ処理のための高速で一般的なエンジンです。CData JDBC Driver for Facebook と組み合わせると、Spark はリアルタイムFacebook にデータ連携して処理ができます。ここでは、Spark シェルに接続してFacebook をクエリする方法について説明します。

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Facebook と対話するための高いパフォーマンスを提供します。Facebook 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Facebook 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Facebook を操作して分析できます。

CData JDBC Driver for Facebook をインストール

CData JDBC Driver for Facebook インストーラをダウンロードし、パッケージを解凍し、JAR ファイルを実行してドライバーをインストールします。

Spark Shell を起動してFacebook データに接続

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

   Facebook はユーザー認証にOAuth 標準を使用しています。 ユーザー資格情報の接続プロパティを設定せずに接続できます。 接続すると、本製品はデフォルトブラウザでFacebook OAuth エンドポイントを開きます。ログインして、本製品にアクセス許可を与えます。本製品がOAuth プロセスを完了します。 他のOAuth 認証フローについては、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、Facebook 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.facebook.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 facebook_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:facebook:").option("dbtable","Posts").option("driver","cdata.jdbc.facebook.FacebookDriver").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. Facebook をテンポラリーテーブルとして登録します:

   scala> facebook_df.registerTable("posts")

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> facebook_df.sqlContext.sql("SELECT FromName, LikesCount FROM Posts WHERE Target = thesimpsons").collect.foreach(println)

   You will see the results displayed in the console, similar to the following:

CData JDBC Driver for Facebook をApache Spark で使って、Facebook 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。是非、30日の無償評価版 をダウンロードしてお試しください。