本記事では CData サポート担当からこんなことを聞かれたらどこを確認すべきか?という観点で、よく頂くお問合せ内容をご紹介します。
記事はこちら →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 FTP と組み合わせると、Spark はリアルタイムFTP 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FTP 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FTP と対話するための高いパフォーマンスを提供します。FTP 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FTP 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FTP を操作して分析できます。
CData JDBC Driver for FTP 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 --jars /CData/CData JDBC Driver for FTP/lib/cdata.jdbc.ftp.jar
FTP は、プレーンテキスト接続およびSSL/TLS 接続の両方をサポートします。FTP サーバーに接続するには、RemoteHost、User、およびPassword を指定します。SSLMode およびSSLServerCert を設定して、TSL/SSL による接続をセキュアにします。TLS/SSL を介した接続の設定について詳しくは、ヘルプドキュメントの「高度な設定」を参照してください。
次の接続プロパティを設定し、ファイルシステムのリレーショナルビューをコントロールします。
ストアドプロシージャ は、ファイル、のダウンロード、アップロード、およびプロトコルコマンドの送信に利用できます。 SQL を使用してサーバーと対話する方法の詳細については、ヘルプドキュメントの「データモデル」を参照してください。
JDBC 接続文字列URL の作成には、FTP 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.ftp.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 ftp_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:ftp:RemoteHost=MyFTPServer;").option("dbtable","MyDirectory").option("driver","cdata.jdbc.ftp.FTPDriver").load()
FTP をテンポラリーテーブルとして登録します:
scala> ftp_df.registerTable("mydirectory")
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> ftp_df.sqlContext.sql("SELECT Filesize, Filename FROM MyDirectory WHERE FilePath = /documents/doc.txt").collect.foreach(println)
You will see the results displayed in the console, similar to the following:
CData JDBC Driver for FTP をApache Spark で使って、FTP 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。