Apache Spark でSpark 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:

Apache Spark JDBC Driver

Apache Spark 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Spark 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 Spark と組み合わせると、Spark はリアルタイムSpark 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Spark 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Spark と対話するための高いパフォーマンスを提供します。Spark 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Spark 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Spark 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 Spark をインストール

CData JDBC Driver for Spark 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Spark データに接続

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

    SparkSQL への接続

    SparkSQL への接続を確立するには以下を指定します。

    • Server:SparkSQL をホストするサーバーのホスト名またはIP アドレスに設定。
    • Port:SparkSQL インスタンスへの接続用のポートに設定。
    • TransportMode:SparkSQL サーバーとの通信に使用するトランスポートモード。有効な入力値は、BINARY およびHTTP です。デフォルトではBINARY が選択されます。
    • AuthScheme:使用される認証スキーム。有効な入力値はPLAIN、LDAP、NOSASL、およびKERBEROS です。デフォルトではPLAIN が選択されます。

    Databricks への接続

    Databricks クラスターに接続するには、以下の説明に従ってプロパティを設定します。Note:必要な値は、「クラスター」に移動して目的のクラスターを選択し、 「Advanced Options」の下にある「JDBC/ODBC」タブを選択することで、Databricks インスタンスで見つけることができます。

    • Server:Databricks クラスターのサーバーのホスト名に設定。
    • Port:443
    • TransportMode:HTTP
    • HTTPPath:Databricks クラスターのHTTP パスに設定。
    • UseSSL:True
    • AuthScheme:PLAIN
    • User:'token' に設定。
    • Password:個人用アクセストークンに設定(値は、Databricks インスタンスの「ユーザー設定」ページに移動して「アクセストークン」タブを選択することで取得できます)。

    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、Spark 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.sparksql.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 sparksql_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:sparksql:Server=127.0.0.1;").option("dbtable","Customers").option("driver","cdata.jdbc.sparksql.SparkSQLDriver").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. Spark をテンポラリーテーブルとして登録します:

    scala> sparksql_df.registerTable("customers")
  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> sparksql_df.sqlContext.sql("SELECT City, Balance FROM Customers WHERE Country = US").collect.foreach(println)

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

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