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

CData JDBC Driver for MicrosoftProject をインストール

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

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

   Authentication セクションのUser およびPassword プロパティを、有効なMicrosoft Project ユーザークレデンシャルに設定する 必要があります。加えて、URL を有効なMicrosoft Project サーバーの組織ルート、またはMicrosoft Project サービスのファイルに 指定する必要があります。

   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、Microsoft Project 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.microsoftproject.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 microsoftproject_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:microsoftproject:User=myuseraccount;Password=mypassword;URL=http://myserver/myOrgRoot;").option("dbtable","Projects").option("driver","cdata.jdbc.microsoftproject.MicrosoftProjectDriver").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. Microsoft Project をテンポラリーテーブルとして登録します:

   scala> microsoftproject_df.registerTable("projects")

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> microsoftproject_df.sqlContext.sql("SELECT ProjectName, ProjectActualCost FROM Projects WHERE ProjectName = Tax Checker").collect.foreach(println)

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

CData JDBC Driver for MicrosoftProject をApache Spark で使って、Microsoft Project 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。