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

CData JDBC Driver for GoogleAnalytics をインストール

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

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

   OAuth 認証標準を使用してGoogle Analytics に接続します。ユーザーアカウントまたはサービスアカウントで認証できます。組織全体のアクセススコープをCData 製品に許可するには、サービスアカウントが必要です。下記で説明するとおり、CData 製品はこれらの認証フローをサポートします。

   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。次を設定して、接続してください。 Profile：接続するGoogle アナリティクスのプロファイル、またはビューに設定。この値はProfiles テーブルから取得できます。指定しない場合は、初めに返されたプロファイルが使われます。接続すると、CData 製品はデフォルトブラウザでOAuth エンドポイントを開きます。ログインして、アプリケーションにアクセス許可を与えます。CData 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、Google Analytics 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.googleanalytics.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 googleanalytics_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googleanalytics:Profile=MyProfile;").option("dbtable","Traffic").option("driver","cdata.jdbc.googleanalytics.GoogleAnalyticsDriver").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. Google Analytics をテンポラリーテーブルとして登録します:

   scala> googleanalytics_df.registerTable("traffic")

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> googleanalytics_df.sqlContext.sql("SELECT Browser, Sessions FROM Traffic WHERE Transactions = 0").collect.foreach(println)

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

CData JDBC Driver for GoogleAnalytics をApache Spark で使って、Google Analytics 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。