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

CData JDBC Driver for TSheets をインストール

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

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

   TSheets 接続プロパティの取得・設定方法

   TSheets は、認証および認可にOAuth2 標準を使用します。独自のOAuth アプリを構築してデータに接続するには、ヘルプドキュメントの「OAuth」セクションを参照してください。

   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、TSheets 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.tsheets.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 tsheets_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:tsheets:OAuthClientId=myclientid;OAuthClientSecret=myclientsecret;CallbackUrl=http://localhost:33333;").option("dbtable","Timesheets").option("driver","cdata.jdbc.tsheets.TSheetsDriver").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. TSheets をテンポラリーテーブルとして登録します:

   scala> tsheets_df.registerTable("timesheets")

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> tsheets_df.sqlContext.sql("SELECT Id, JobcodeId FROM Timesheets WHERE JobCodeType = regular").collect.foreach(println)

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

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