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

CData JDBC Driver for Streak をインストール

まずは、本記事右側のサイドバーからStreak 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Streak データに接続

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

   次のステップに従ってStreak への認証に必要な新規API キーを生成します。

   1. Gmail に移動します。
   2. 検索バーの右にあるStreak ドロップダウンをクリックします。
   3. Integrations ボタンを選択します。既存の連携を閲覧したり、新規API キーを作成できるウィンドウが表示されます。
   4. integrations のStreak API の下にある「Create New Key」ボタンをクリックします。

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、Streak 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。

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。

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> streak_df.sqlContext.sql("SELECT UserKey, Email FROM Users WHERE Email = user@domain.com").collect.foreach(println)

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

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