本記事では CData サポート担当からこんなことを聞かれたらどこを確認すべきか?という観点で、よく頂くお問合せ内容をご紹介します。
記事はこちら →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。
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 --jars /CData/CData JDBC Driver for Twitter/lib/cdata.jdbc.twitter.jar
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。
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()
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")
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。