Apache Spark でMicrosoft OneDrive データをSQL で操作

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

CData JDBC Driver for Microsoft OneDrive をインストール

CData JDBC Driver for Microsoft OneDrive 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Microsoft OneDrive データに接続

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

    OneDrive uses the OAuth authentication standard. To authenticate using OAuth, you will need to create an app to obtain the OAuthClientId, OAuthClientSecret, and CallbackURL connection properties. See the OAuth section of the Help documentation for an authentication guide.

    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 OneDrive 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.onedrive.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 onedrive_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:onedrive:OAuthClientId=MyApplicationId;OAuthClientSecret=MySecretKey;OAuthCallbackURL=http://localhost:33333;").option("dbtable","Files").option("driver","cdata.jdbc.onedrive.OneDriveDriver").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 OneDrive をテンポラリーテーブルとして登録します:

    scala> onedrive_df.registerTable("files")
  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> onedrive_df.sqlContext.sql("SELECT Id, Name FROM Files WHERE Id = Jq74mCczmFXk1tC10GB").collect.foreach(println)

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

CData JDBC Driver for Microsoft OneDrive をApache Spark で使って、Microsoft OneDrive 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