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

CData JDBC Driver for SingleStore をインストール

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

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

   データに接続するには、次の接続プロパティが必要です。

   • Server：SingleStore データベースをホスティングしているサーバーのホスト名またはIP アドレス。
   • Port：SingleStore データベースをホスティングしているサーバーのポート。

   また、オプションで以下を設定することもできます。

   • SingleStore：SingleStore Server に接続する場合のデフォルトデータベース。設定されていない場合、すべてのデータベースのテーブルが返されます。

   標準認証

   標準認証で認証するには、次を設定します。

   • User：SingleStore サーバーに認証する際に使われるユーザー。
   • Password：SingleStore サーバーに認証する際に使われるパスワード。

   統合セキュリティを使用した接続

   標準のユーザー名とパスワードを提供する代わりに、Windows 認証を介して信頼されたされたユーザーをサーバーに認証できます。

   SSL 認証

   SSL 認証を活用してセキュアなセッションを介してSingleStore データに接続できます。次の接続プロパティを設定し、データに接続します。

   • SSLClientCert：クライアント証明書のための証明書ストア名に設定。クライアントとサーバーの両方のマシンでトラストストアとキーストアが保持される2-way SSL の場合に使用されます。
   • SSLClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
   • SSLClientCertSubject：TLS/SSL クライアント証明書のサブジェクト。ストア内の証明書を検索するために使用されます。
   • SSLClientCertType：クライアントストアの証明書タイプ。
   • SSLServerCert：サーバーが受け入れ可能な証明書。

   SSH 認証

   SSH を使用して、セキュアにリモートマシンにログインできます。SingleStore データにSSH 経由でアクセスするには、次の接続プロパティを設定します。

   • SSHClientCert：クライアント証明書のための証明書ストア名に設定。
   • SSHClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
   • SSHClientCertSubject：TLS/SSL クライアント証明書のサブジェクト。ストア内の証明書を検索するために使用されます。
   • SSHClientCertType：クライアントストアの証明書タイプ。
   • SSHPassword：SSH サーバーに認証するためのパスワード。
   • SSHPort：SSH 操作に使用するポート。
   • SSHServer：認証しようとしているSSH 認証サーバー。
   • SSHServerFingerPrint：接続先のホストの検証に使用するSSH サーバーのフィンガープリント。
   • SSHUser：SSH サーバーに認証するためのユーザー名。

   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、SingleStore 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.singlestore.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 singlestore_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:singlestore:User=myUser;Password=myPassword;Database=NorthWind;Server=myServer;Port=3306;").option("dbtable","Orders").option("driver","cdata.jdbc.singlestore.SingleStoreDriver").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. SingleStore をテンポラリーテーブルとして登録します:

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

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

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