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

CData JDBC Driver for Smartsheet をインストール

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

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

   個人用トークンを使用して、自分のデータをテストし、アクセスします。個人用トークンを取得する方法は次のとおりです。

   • Smartsheet にログインします。
   • 「アカウント」をクリックして「個人用の設定」を選択します。
   • 「API アクセス」をクリックし、フォームを使用して新しいアクセストークンを生成するか、既存のアクセストークンを管理します。

   その後、OAuthAccessToken を生成したトークンに設定します。

   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、Smartsheet 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.smartsheet.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 smartsheet_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:smartsheet:OAuthClientId=MyOauthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:33333;").option("dbtable","Sheet_Event_Plan_Budget").option("driver","cdata.jdbc.smartsheet.SmartsheetDriver").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. Smartsheet をテンポラリーテーブルとして登録します:

   scala> smartsheet_df.registerTable("sheet_event_plan_budget")

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> smartsheet_df.sqlContext.sql("SELECT TaskName, Progress FROM Sheet_Event_Plan_Budget WHERE Assigned = Ana Trujilo").collect.foreach(println)

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

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