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

CData JDBC Driver for ADP をインストール

まずは、本記事右側のサイドバーからADP 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ADP データに接続

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

   ADP 接続プロパティの取得・設定方法

   接続を確立する前に、ADP に連絡してOAuth アプリとそれに関連するクレデンシャルを提供してもらう必要があります。 これらのクレデンシャルはADP からのみ取得が可能で、直接取得することはできません。

   ADP への接続

   次のプロパティを指定してADP に接続します。

   • OAuthClientId：ADP より提供されたアプリのクライアントId に設定。
   • OAuthClientSecret：ADP より提供されたアプリのクライアントシークレットに設定。
   • SSLClientCert：ADP より提供された証明書に設定。
   • SSLClientCertPassword：証明書のパスワードに設定。
   • UseUAT：CData 製品はデフォルトで、本番環境にリクエストを行います。開発者アカウントを使用している場合は、UseUAT をtrue に設定します。
   • RowScanDepth：テーブルで利用可能なカスタムフィールドカラムをスキャンする行数の最大値。デフォルト値は100に設定されています。大きい値を設定すると、パフォーマンスが低下する場合があります。

   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、ADP 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.adp.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 adp_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:adp:OAuthClientId=YourClientId;OAuthClientSecret=YourClientSecret;SSLClientCert='c:\cert.pfx';SSLClientCertPassword='admin@123'").option("dbtable","Workers").option("driver","cdata.jdbc.adp.ADPDriver").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. ADP をテンポラリーテーブルとして登録します:

   scala> adp_df.registerTable("workers")

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> adp_df.sqlContext.sql("SELECT AssociateOID, WorkerID FROM Workers WHERE AssociateOID = G3349PZGBADQY8H8").collect.foreach(println)

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

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