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

CData JDBC Driver for PCASales をインストール

まずは、本記事右側のサイドバーからPCASales 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PCA Sales データに接続

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

   PCA クラウド商魂・商管DX では、OAuth 2 認証標準を使います。

   ユーザー資格情報の接続プロパティを設定せずに接続できます。接続に最小限必要な接続プロパティは、次のとおりです。

   • InitiateOAuth：GETANDREFRESH に設定。InitiateOAuth を使って、OAuth 交換や、手動での接続文字列のアクセストークン設定の繰り返しを避けられます。
   • OAuthClientId：アプリケーション設定のクライアントId に設定。
   • OAuthClientSecret：アプリケーション設定のクライアントシークレットに設定。
   • CallbackURL：アプリケーション設定のリダイレクトURL に設定。
   • ApiVersion：接続するPCA API Server バージョンを設定。
   • DefaultDataArea：接続するデータ領域を設定。
   • DataCenter：接続するサーバーのDataCenter 名を設定。
   • ProductCode：PCA 製品コード名を設定。

   接続すると、CData 製品はデフォルトブラウザでPCA Accounting OAuth エンドポイントを開きます。ログインして、CData 製品にアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。

   ヘッドレスマシンの認証など、他のOAuth 認証フローについては、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

   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、PCA Sales 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.pcasales.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 pcasales_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:pcasales:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:33333;ProductCode=MyProductCode;ApiVersion=V1;DataCenter=DataCenterName;DefaultDataArea=MyDefaultDataArea;").option("dbtable","MasterSms").option("driver","cdata.jdbc.pcasales.PCASalesDriver").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. PCA Sales をテンポラリーテーブルとして登録します:

   scala> pcasales_df.registerTable("mastersms")

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> pcasales_df.sqlContext.sql("SELECT SyohinCode, SyohinMei FROM MasterSms WHERE SyohinMei = Syohin").collect.foreach(println)

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

CData JDBC Driver for PCASales をApache Spark で使って、PCA Sales 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。