Apache Spark でIBM Cloud Object Storage データをSQL で操作

CData JDBC ドライバーを使用して、Apache Spark でIBM Cloud Object Storage 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 IBM Cloud Object Storage と組み合わせると、Spark はリアルタイムIBM Cloud Object Storage 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IBM Cloud Object Storage 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IBM Cloud Object Storage と対話するための高いパフォーマンスを提供します。IBM Cloud Object Storage 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IBM Cloud Object Storage 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IBM Cloud Object Storage を操作して分析できます。

CData JDBC Driver for IBM Cloud Object Storage をインストール

CData JDBC Driver for IBM Cloud Object Storage 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IBM Cloud Object Storage データに接続

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

    Register a New Instance of Cloud Object Storage

    If you do not already have Cloud Object Storage in your IBM Cloud account, follow the procedure below to install an instance of SQL Query in your account:

    1. Log in to your IBM Cloud account.
    2. Navigate to the page, choose a name for your instance and click Create. You will be redirected to the instance of Cloud Object Storage you just created.

    Connecting using OAuth Authentication

    There are certain connection properties you need to set before you can connect. You can obtain these as follows:

    API Key

    To connect with IBM Cloud Object Storage, you need an API Key. You can obtain this as follows:

    1. Log in to your IBM Cloud account.
    2. Navigate to the Platform API Keys page.
    3. On the middle-right corner click "Create an IBM Cloud API Key" to create a new API Key.
    4. In the pop-up window, specify the API Key name and click "Create". Note the API Key as you can never access it again from the dashboard.

    Cloud Object Storage CRN

    If you have multiple accounts, you will need to specify the CloudObjectStorageCRN explicitly. To find the appropriate value, you can:

    • Query the Services view. This will list your IBM Cloud Object Storage instances along with the CRN for each.
    • Locate the CRN directly in IBM Cloud. To do so, navigate to your IBM Cloud Dashboard. In the Resource List, Under Storage, select your Cloud Object Storage resource to get its CRN.

    Connecting to Data

    You can now set the following to connect to data:

    • InitiateOAuth: Set this to GETANDREFRESH. You can use InitiateOAuth to avoid repeating the OAuth exchange and manually setting the OAuthAccessToken.
    • ApiKey: Set this to your API key which was noted during setup.
    • CloudObjectStorageCRN (Optional): Set this to the cloud object storage CRN you want to work with. While the connector attempts to retrieve this automatically, specifying this explicitly is recommended if you have more than Cloud Object Storage account.

    When you connect, the connector completes the OAuth process.

    1. Extracts the access token and authenticates requests.
    2. Saves OAuth values in OAuthSettingsLocation to be persisted across connections.

    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、IBM Cloud Object Storage 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.ibmcloudobjectstorage.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 ibmcloudobjectstorage_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:ibmcloudobjectstorage:ApiKey=myApiKey;CloudObjectStorageCRN=MyInstanceCRN;Region=myRegion;OAuthClientId=MyOAuthClientId;OAuthClientSecret=myOAuthClientSecret;").option("dbtable","Objects").option("driver","cdata.jdbc.ibmcloudobjectstorage.IBMCloudObjectStorageDriver").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. IBM Cloud Object Storage をテンポラリーテーブルとして登録します:

    scala> ibmcloudobjectstorage_df.registerTable("objects")
  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> ibmcloudobjectstorage_df.sqlContext.sql("SELECT Key, Etag FROM Objects WHERE Bucket = someBucket").collect.foreach(println)

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

CData JDBC Driver for IBM Cloud Object Storage をApache Spark で使って、IBM Cloud Object Storage 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