Spark データに連携しTalend からデータに接続

こんにちは！ドライバー周りのヘルプドキュメントを担当している古川です。

この記事では、Talend で簡単にCData JDBC Driver for SparkSQL をワークフローに統合してSpark データ連携する方法を説明します。ここではCData JDBC Driver for SparkSQL を使ってTalend でSpark をジョブフローに転送します。

JDBC データソースとしてTalend でSpark に接続

下記の手順に従って、Spark にJDBC 接続を確立します：

1. Spark を新しいデータベース接続を追加：新しく接続を追加するには、［Metadata］ノードを展開し［Db Connections］ノードを右クリックして［Create Connection］をクリックします。
2. ウィザードが表示されたら、接続に名前を入力します。

3. 次のページで、［DB Type］メニューから［Generic JDBC］を選択してJDBC URL を入力します。

   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：パーソナル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）。

   以下は一般的なJDBC URL です：

   jdbc:sparksql:Server=127.0.0.1;
4. インストールディレクトリの［lib］サブフォルダ内にあるcdata.jdbc.sparksql.jar ファイルへのパスを入力します。
5. 接続を右クリックして［Retrieve Schema］をクリックします。
6. デフォルトオプションで［Next］をクリックしインポートしたいテーブルを選択します。
7. デフォルトオプションでウィザードを終了します。

Customers テーブルをフラットファイルに出力

下記の手順に従って、Customers テーブルをフラットファイル出力コンポーネントに転送します：

1. ［Table Schemas］ノードで、テーブルをワークスペース内にドラッグします。
2. ダイアログが表示されたら［tJDBCInput］コンポーネントを選択します。
3. 次に、［tFileOutputDelimited］コンポーネントをPalette の［Business Intelligence］タブからワークスペース内にドラッグします。
4. Customers tJDBCInput コンポーネントを右クリックしてベクタを出力ファイルにドラッグします。

プロジェクトを実行してデータを転送します。