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

CData JDBC Driver for Asana をインストール

まずは、本記事右側のサイドバーからAsana 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Asana のデータに接続

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

   Asana への接続は以下のように行います。

   • WorkspaceId: Asana Wrokspace のglobally unique identifier (gid) を設定すると指定されたWorkspace のプロジェクトだけを返します。Workspace Id はhttps://app.asana.com/api/1.0/workspaces から取得します。表示されるJSON にWorkspace name およびId が含まれます。
   • ProjectId: Asana Project のglobally unique identifier (gid) に設定すると指定されたProject のデータだけを返します。Project ID はプロジェクトのOverview ページのURL を参照してください。/0/ の後ろの数字 です。

   OAuth 認証

   Asana への認証にはOAuth 認証が使われます。OAuth はAsana のブラウザで認証ユーザーを認証する処理が必要です。OAuth の詳細については、ヘルプドキュメントの「はじめに」を参照してください。

   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、Asana 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.asana.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 asana_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:asana:OAuthClientId=YourClientId;OAuthClientSecret=YourClientSecret;CallbackURL='http://localhost:33333';").option("dbtable","projects").option("driver","cdata.jdbc.asana.AsanaDriver").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. Asana をテンポラリーテーブルとして登録します:

   scala> asana_df.registerTable("projects")

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> asana_df.sqlContext.sql("SELECT Id, WorkspaceId FROM projects WHERE Archived = true").collect.foreach(println)

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

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