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

CData JDBC Driver for ActiveDirectory をインストール

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

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

   ActiveDirectory 接続プロパティの取得・設定方法

   接続には以下の情報が必要です。

   • 有効なユーザーおよびパスワード情報 (例：Domain\BobF or cn=Bob F,ou=Employees,dc=Domain)。
   • 接続するサーバーのIP、ホスト名、ポートを含むサーバー情報。

   • BaseDN: 指定されたname にLDAP 検索の範囲を制限します。

     ちなみに、BaseDN を狭い範囲に設定することで大幅にパフォーマンスを改善できます。例えば、cn=users,dc=domain は、cn=users およびその子の範囲に戻り値の結果を制限します。

   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、Active Directory 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.activedirectory.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 activedirectory_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:activedirectory:User=cn=Bob F,ou=Employees,dc=Domain;Password=bob123;Server=10.0.1.2;Port=389;").option("dbtable","User").option("driver","cdata.jdbc.activedirectory.ActiveDirectoryDriver").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. Active Directory をテンポラリーテーブルとして登録します:

   scala> activedirectory_df.registerTable("user")

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> activedirectory_df.sqlContext.sql("SELECT Id, LogonCount FROM User WHERE CN = Administrator").collect.foreach(println)

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

CData JDBC Driver for ActiveDirectory をApache Spark で使って、Active Directory 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。