Apache Spark でBigQuery データをSQL で操作

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

Google BigQuery JDBC Driver

Google BigQuery データ(テーブル、データセットなど)を組み込んだパワフルなJava アプリケーションを短時間・低コストで作成して配布できます。



CData JDBC ドライバーを使用して、Apache Spark でBigQuery にデータ連携。

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 BigQuery と組み合わせると、Spark はリアルタイムBigQuery 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BigQuery 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BigQuery と対話するための高いパフォーマンスを提供します。BigQuery 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BigQuery 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BigQuery 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。

CData JDBC Driver for BigQuery をインストール

CData JDBC Driver for BigQuery 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BigQuery データに接続

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

    Google はOAuth 認証標準を使用します。個々のユーザーとしてGoogle API にアクセスするには、組み込みクレデンシャルを使うか、OAuth アプリを作成します。

    OAuth では、Google Apps ドメインのユーザーとしてサービスアカウントを使ってアクセスすることもできます。サービスカウントでの認証では、OAuth JWT を取得するためのアプリケーションを登録する必要があります。

    OAuth 値に加え、DatasetId、ProjectId を設定する必要があります。詳細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、BigQuery 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.googlebigquery.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 googlebigquery_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlebigquery:DataSetId=MyDataSetId;ProjectId=MyProjectId;").option("dbtable","Orders").option("driver","cdata.jdbc.googlebigquery.GoogleBigQueryDriver").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. BigQuery をテンポラリーテーブルとして登録します:

    scala> googlebigquery_df.registerTable("orders")
  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> googlebigquery_df.sqlContext.sql("SELECT OrderName, Freight FROM Orders WHERE ShipCity = New York").collect.foreach(println)

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

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