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

CData JDBC Driver for Airtable をインストール

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

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

   Airtable への接続には、APIKey、BaseId、TableNames のプロパティが必須です。ViewNames は任意項目でテーブルのビューを指定することができます。

   • APIKey : アカウントのAPI Key。取得には、アカウントにログインして、API セクションで「Generate API Key」をクリックします。
   • BaseId : ベースのId。取得には、APIKey と同じ場所で、「Airtable API」をクリックするか、https://airtable.com/api に進み、ベースを選択します。"The ID of this base is appxxN2ftedc0nEG7." というメッセージがIntroduction セッションで表示されます。
   • TableNames : 選択されたベースのテーブル名のカンマ区切りのリスト。UI で見られるテーブル名と同じです。
   • ViewNames : table.view 形式のビューのカンマ区切りのリスト。UI でみられるビュー名と同じです。

   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、Airtable 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.airtable.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 airtable_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:airtable:APIKey=keymz3adb53RqsU;BaseId=appxxN2fe34r3rjdG7;TableNames=TableA,...;ViewNames=TableA.ViewA,...;").option("dbtable","SampleTable_1").option("driver","cdata.jdbc.airtable.AirtableDriver").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. Airtable をテンポラリーテーブルとして登録します:

   scala> airtable_df.registerTable("sampletable_1")

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> airtable_df.sqlContext.sql("SELECT Id, Column1 FROM SampleTable_1 WHERE Column1 = Value1").collect.foreach(println)

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

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