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

CData JDBC Driver for Tally をインストール

まずは、本記事右側のサイドバーからTally 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Tally データに接続

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

   Tally 接続プロパティの取得・設定方法

   Tally インスタンスに接続するには、次の接続プロパティを設定します。

   • Url：Tally インスタンスのURL に設定。例：http://localhost:9000

   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、Tally 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.tally.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 tally_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:tally:Url='http://localhost:9000'").option("dbtable","Company").option("driver","cdata.jdbc.tally.TallyDriver").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. Tally をテンポラリーテーブルとして登録します:

   scala> tally_df.registerTable("company")

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> tally_df.sqlContext.sql("SELECT Name, Address FROM Company WHERE CompanyNumber = 1000").collect.foreach(println)

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

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