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

CData JDBC Driver for AzureDevOps をインストール

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

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

   AzureDevOps 接続プロパティの取得・設定方法

   Azure DevOps アカウントに接続するには、Profile -> Organizations に移動して、アカウント内の組織名であるOrganization を指定します。

   例： Organization=MyAzureDevOpsOrganization

   NOTE ：Analytics スキーマに接続する場合は、Organization と一緒にProjectId を指定する必要があります。

   Azure DevOps への認証

   Basic

   Organization とPersonalAccessToken を指定することで、Azure DevOps アカウントに接続できます。 パーソナルアクセストークンを生成するには、Azure DevOps Organization アカウントにログインし、Profile -> Personal Access Tokens -> New Token に移動します。生成されたトークンが表示されます。

   Azure AD

   Azure ADは、OAuth を利用して認証する接続形式です。OAuth は、認証ユーザーがインターネットブラウザを使用してAzure DevOps と通信することを要求します。 CData 製品は、いくつかの方法でこれをサポートします。AuthScheme をAzureAD に設定し、Organization をAzure DevOps の組織名に設定します。 詳しくは、ヘルプドキュメント の「Azure DevOps への認証」セクション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、Azure DevOps 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.azuredevops.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 azuredevops_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:azuredevops:AuthScheme=Basic;Organization=MyAzureDevOpsOrganization;ProjectId=MyProjectId;PersonalAccessToken=MyPAT;").option("dbtable","Builds").option("driver","cdata.jdbc.azuredevops.AzureDevOpsDriver").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. Azure DevOps をテンポラリーテーブルとして登録します:

   scala> azuredevops_df.registerTable("builds")

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> azuredevops_df.sqlContext.sql("SELECT Id, BuildNumber FROM Builds WHERE Reason = Manual").collect.foreach(println)

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

CData JDBC Driver for AzureDevOps をApache Spark で使って、Azure DevOps 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。