Apache Spark でPostgreSQL データをSQL で操作

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

PostgreSQL JDBC Driver

PostgreSQL 互換のデータベースエンジン連携のパワフルなJava アプリケーションを素早く作成して配布。



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

CData JDBC Driver for PostgreSQL をインストール

CData JDBC Driver for PostgreSQL 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PostgreSQL データに接続

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

    PostgreSQL への接続には、Server、Port(デフォルトは5432)、Database、およびUser、Password のプロパティを設定します。Database プロパティが設定されない場合には、User のデフォルトデータベースに接続します。

    パスワード方式によるSSH 接続

    パスワード方式によるSSH接続時に必要なプロパティ一覧を以下に示します。

    • User: PostgreSQL のユーザ
    • Password: PostgreSQL のパスワード
    • Database: PostgreSQL の接続先データベース
    • Server: PostgreSQL のサーバー
    • Port: PostgreSQL のポート
    • UserSSH: "true"
    • SSHAuthMode: "Password"
    • SSHPort: SSH のポート
    • SSHServer: SSH サーバー
    • SSHUser: SSH ユーザー
    • SSHPassword: SSH パスワード

    接続文字列形式では以下のようになります。User=admin;Password=adminpassword;Database=test;Server=postgresql-server;Port=5432;UseSSH=true;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHPassword=sshpasswd;

    公開鍵認証方式方式によるSSH 接続

    公開鍵認証によるSSH接続時に必要なプロパティ一覧を以下に示します。

    • User: PostgreSQL のユーザ
    • Password: PostgreSQL のパスワード
    • Database: PostgreSQL の接続先データベース
    • Server: PostgreSQL のサーバー
    • Port: PostgreSQL のポート
    • UserSSH: "true"
    • SSHAuthMode: "Public_Key"
    • SSHClientCertType: キーストアの種類
    • SSHPort: SSH のポート
    • SSHServer: SSH サーバー
    • SSHUser: SSH ユーザー
    • SSHClientCert: 秘密鍵ファイルのパス

    接続文字列形式では以下のようになります。User=admin;Password=adminpassword;Database=test;Server=PostgreSQL-server;Port=5432;UseSSH=true;SSHClientCertType=PEMKEY_FILE;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHClientCert=C:\Keys\key.pem;

    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、PostgreSQL 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.postgresql.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 postgresql_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:postgresql:User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5432;").option("dbtable","Orders").option("driver","cdata.jdbc.postgresql.PostgreSQLDriver").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. PostgreSQL をテンポラリーテーブルとして登録します:

    scala> postgresql_df.registerTable("orders")
  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> postgresql_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

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

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