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

CData JDBC Driver for AdobeAnalytics をインストール

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

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

   Adobe Analytics はOAuth 認証標準を利用しています。 OAuth 統合またはサービスアカウント統合で認証できます。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得しなければなりません。認証方法については、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。

   GlobalCompanyIdの取得

   GlobalCompanyId は必須の接続プロパティです。Global Company ID がわからない場合は、Swagger UI のusers/me エンドポイントのリクエストURL で見つけることができます。Swagger UI にログインした後、ユーザーエンドポイントを展開し、「GET users/me」ボタンをクリックします。「Try it out」ボタンと「Execute」ボタンをクリックします。リクエストURL のusers/me エンドポイントの直前に表示されるGlobal Company ID をメモします。

   Report Suite Id の取得

   Report Suite ID （RSID）は必須の接続プロパティです。Adobe Analytics UI で、「管理者」->「レポートスイート」に進むと、名前の横にある識別子とともにレポートスイートのリストが表示されます。

   GlobalCompanyId、RSID、およびOAuth 接続プロパティを設定して、Adobe Analytics に接続してください。

   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、Adobe Analytics 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.adobeanalytics.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 adobeanalytics_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:adobeanalytics:GlobalCompanyId=myGlobalCompanyId; RSID=myRSID; OAuthClientId=myOauthClientId; OauthClientSecret=myOAuthClientSecret; CallbackURL=myCallbackURL;").option("dbtable","AdsReport").option("driver","cdata.jdbc.adobeanalytics.AdobeAnalyticsDriver").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. Adobe Analytics をテンポラリーテーブルとして登録します:

   scala> adobeanalytics_df.registerTable("adsreport")

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> adobeanalytics_df.sqlContext.sql("SELECT Page, PageViews FROM AdsReport WHERE City = Chapel Hill").collect.foreach(println)

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

CData JDBC Driver for AdobeAnalytics をApache Spark で使って、Adobe Analytics 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。