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

CData JDBC Driver for GoogleContacts をインストール

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

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

   Google Contacts はOAuth 認証標準を利用しています。各ユーザー やドメイン内のユーザーの代わりに、CData 製品がGoogle API にアクセスすることを許可できます。 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。

   詳細はヘルプドキュメント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 Contacts 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.googlecontacts.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 googlecontacts_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlecontacts:").option("dbtable","Friends").option("driver","cdata.jdbc.googlecontacts.GoogleContactsDriver").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 Contacts をテンポラリーテーブルとして登録します:

   scala> googlecontacts_df.registerTable("friends")

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> googlecontacts_df.sqlContext.sql("SELECT Summary, StartDateTime FROM Friends WHERE SearchTerms = Durham").collect.foreach(println)

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

CData JDBC Driver for GoogleContacts をApache Spark で使って、Google Contacts 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。