Apache Spark で データをSQL で操作

CData JDBC ドライバーを使用して、Apache Spark で にデータ連携。

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

CData JDBC Driver for をインストール

CData JDBC Driver for 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 データに接続

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

    Google uses the OAuth authentication standard. To access Google APIs on behalf on individual users, you can use the embedded credentials or you can register your own OAuth app.

    OAuth also enables you to use a service account to connect on behalf of users in a Google Apps domain. To authenticate with a service account, you will need to register an application to obtain the OAuth JWT values.

    In addition to the OAuth values, to access Google data you will need the Email of the Google account. See the "Getting Started" chapter in the help documentation for a guide to using OAuth.

    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、 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.googleapps.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 googleapps_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googleapps:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost;Email=myemail@gmail.com;").option("dbtable","GDrive").option("driver","cdata.jdbc.googleapps.GoogleAppsDriver").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. をテンポラリーテーブルとして登録します:

    scala> googleapps_df.registerTable("gdrive")
  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> googleapps_df.sqlContext.sql("SELECT Title, Size FROM GDrive WHERE Formats = DOC").collect.foreach(println)

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

CData JDBC Driver for をApache Spark で使って、 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日の無償試用版 をダウンロードしてお試しください。

 
 
ダウンロード