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

CData JDBC Driver for FHIR をインストール

まずは、本記事右側のサイドバーからFHIR 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FHIR データに接続

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

   URL をFHIR サーバーのService Base URL に設定します。これは接続したいFHIR サーバーでリソースが定義されているアドレスです。ConnectionType をサポートされている接続タイプに設定します。ContentType をドキュメントのフォーマットに設定します。AuthScheme をFHIR サーバーの認証要件に基づいて設定します。

   汎用、Azure ベース、AWS ベース、およびGoogle ベースのFHIR サーバー実装がサポートされます。

   Service Base URL のサンプル

   • 汎用：http://my_fhir_server/r4b/
   • Azure：https://MY_AZURE_FHIR.azurehealthcareapis.com/
   • AWS：https://healthlake.REGION.amazonaws.com/datastore/DATASTORE_ID/r4/
   • Google：https://healthcare.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/datasets/DATASET_ID/fhirStores/FHIR_STORE_ID/fhir/

   汎用FHIR インスタンス

   CData 製品はFHIR のカスタムインスタンスへの接続をサポートします。カスタムFHIR サーバーへの認証はOAuth で行います（OAuth の詳細はヘルプドキュメントを参照してください）。カスタムFHIR インスタンスに接続する前に、ConnectionType をGenericに設定する必要があります。

   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、FHIR 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.fhir.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 fhir_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:fhir:URL=http://test.fhir.org/r4b/;ConnectionType=Generic;ContentType=JSON;AuthScheme=None;").option("dbtable","Patient").option("driver","cdata.jdbc.fhir.FHIRDriver").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. FHIR をテンポラリーテーブルとして登録します:

   scala> fhir_df.registerTable("patient")

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> fhir_df.sqlContext.sql("SELECT Id, [name-use] FROM Patient WHERE [address-city] = New York").collect.foreach(println)

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

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