Apache Spark でHarperDB データをSQL で操作

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

CData JDBC Driver for HarperDB をインストール

CData JDBC Driver for HarperDB 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HarperDB データに接続

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

   Set the Server, User, and Password connection properties to connect to HarperDB. Set UseSSL to secure connections with TLS/SSL.

   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、HarperDB 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.harperdb.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 harperdb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:harperdb:Server=127.0.0.1;User=admin;Password=1234;").option("dbtable","Customers").option("driver","cdata.jdbc.harperdb.HarperDBDriver").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. HarperDB をテンポラリーテーブルとして登録します:

   scala> harperdb_df.registerTable("customers")

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> harperdb_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Country = US").collect.foreach(println)

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

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