Apache Spark でAWS Management データをSQL で操作

Apache Spark は大規模データ処理のための高速で一般的なエンジンです。CData JDBC Driver for AWS Management と組み合わせると、Spark はリアルタイムAWS Management にデータ連携して処理ができます。ここでは、Spark シェルに接続してAWS Management をクエリする方法について説明します。

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AWS Management と対話するための高いパフォーマンスを提供します。AWS Management 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AWS Management 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AWS Management を操作して分析できます。

※製品について詳しい情報をご希望の方は以下からお進みください。

• AWS Management にほかのBI、ETL、開発ツールから接続したい：AWS Management データ連携ガイドおよびチュートリアルのリストへ
• AWS Management Drivers について詳細を知りたい：ドライバー詳細情報ページへ
• ほかのデータソースに連携したい：CData Drivers 一覧へ
• ドライバーの30日の無償トライアル版を使いたい：トライアル版ダウンロードページへ
• 製品の利用やライセンスについて相談したい：sales@cdata.co.jp までメールにてご相談ください。

CData JDBC Driver for AWS Management をインストール

CData JDBC Driver for AWS Management インストーラをダウンロードし、パッケージを解凍し、JAR ファイルを実行してドライバーをインストールします。

Spark Shell を起動してAWS Management データに接続

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

   AWSDataManagement への接続には、管理者アカウントかカスタム許可のIAM ユーザーで行います。:

   1. AccessKey Id: Access Key を設定。
   2. SecretKey： secret access key に設定。
   3. Regio：AWSDataManagement データがホストされているRegion に設定。

   Note: AWS アカウント管理者でも接続できますが、IAM ユーザークレデンシャルでの接続が推奨されます。

   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、AWS Management 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.awsdatamanagement.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 awsdatamanagement_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:awsdatamanagement:AccessKey=myAccessKey;Account=myAccountName;Region=us-east-1;").option("dbtable","NorthwingProducts").option("driver","cdata.jdbc.awsdatamanagement.AWSDataManagementDriver").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. AWS Management をテンポラリーテーブルとして登録します:

   scala> awsdatamanagement_df.registerTable("northwingproducts")

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> awsdatamanagement_df.sqlContext.sql("SELECT PartitionKey, Name FROM NorthwingProducts WHERE Id = 1").collect.foreach(println)

   You will see the results displayed in the console, similar to the following:

   

CData JDBC Driver for AWS Management をApache Spark で使って、AWS Management 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。是非、30日の無償試用版 をダウンロードしてお試しください。