Apache Spark でTwitter データをSQL で操作

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

• Twitter にほかのBI、ETL、開発ツールから接続したい：Twitter データ連携ガイドおよびチュートリアルのリストへ
• Twitter Drivers について詳細を知りたい：ドライバー詳細情報ページへ
• ほかのデータソースに連携したい：CData Drivers 一覧へ
• ドライバーの30日の無償トライアル版を使いたい：トライアル版ダウンロードページへ
• 製品の利用やライセンスについて相談したい：sales@cdata.co.jp までメールにてご相談ください。

CData JDBC Driver for Twitter をインストール

CData JDBC Driver for Twitter 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Twitter データに接続

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

   すべてのテーブルには認証が必要です。OAuth を使用してTwitter で認証する必要があります。OAuth では認証するユーザーにブラウザでTwitter との通信を要求します。詳しくは、ヘルプドキュメントの「OAuth 認証の使用」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、Twitter 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.twitter.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 twitter_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:twitter:").option("dbtable","Tweets").option("driver","cdata.jdbc.twitter.TwitterDriver").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. Twitter をテンポラリーテーブルとして登録します:

   scala> twitter_df.registerTable("tweets")

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> twitter_df.sqlContext.sql("SELECT From_User_Name, Retweet_Count FROM Tweets WHERE From_User_Name = twitter").collect.foreach(println)

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

   

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