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

※製品について詳しい情報をご希望の方は以下からお進みください。

• JSON にほかのBI、ETL、開発ツールから接続したい：JSON データ連携ガイドおよびチュートリアルのリストへ
• JSON Drivers について詳細を知りたい：ドライバー詳細情報ページへ
• ほかのデータソースに連携したい：CData Drivers 一覧へ
• ドライバーの30日の無償トライアル版を使いたい：トライアル版ダウンロードページへ
• 製品の利用やライセンスについて相談したい：sales@cdata.co.jp までメールにてご相談ください。

CData JDBC Driver for JSON をインストール

CData JDBC Driver for JSON 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JSON データに接続

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

   データソースへの認証については、ヘルプドキュメントの「はじめに」を参照してください。本製品は、JSON API を双方向データベーステーブルとして、JSON ファイルを読み取り専用ビュー（ローカル ファイル、一般的なクラウドサービスに保存されているファイル、FTP サーバー）としてモデル化します。HTTP Basic、Digest、NTLM、OAuth、FTP などの主要な認証スキームがサポートされています。詳細はヘルプドキュメントの「はじめに」を参照してください。

   URI を設定して認証値を入力したら、DataModel を設定してデータ表現とデータ構造をより厳密に一致させます。

   DataModel プロパティは、データをどのようにテーブルに表現するかを制御するプロパティで、次の基本設定を切り替えます。

   • Document（デフォルト）：JSON データのトップレベルのドキュメントビューをモデル化します。本製品 は、ネストされたオブジェクト配列を集約されたJSON オブジェクトとして返します。
   • FlattenedDocuments：ネストされた配列オブジェクトと親オブジェクトを、単一テーブルに暗黙的に結合します。
   • Relational：階層データから個々の関連テーブルを返します。テーブルには、親ドキュメントにリンクする主キーと外部キーが含まれています。

   リレーショナル表現の設定についての詳細は、ヘルプドキュメントの「JSON データのモデリング」を参照してください。また、以下の例で使用されているサンプルデータも確認できます。データには人や所有する車、それらの車に行われたさまざまなメンテナンスサービスのエントリが含まれています。

   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、JSON 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.json.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 json_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:json:URI=C:\people.json;DataModel=Relational;").option("dbtable","people").option("driver","cdata.jdbc.json.JSONDriver").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. JSON をテンポラリーテーブルとして登録します:

   scala> json_df.registerTable("people")

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> json_df.sqlContext.sql("SELECT [ personal.name.first ], [ personal.name.last ] FROM people WHERE [ personal.name.last ] = Roberts").collect.foreach(println)

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

   

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