Apache Spark でBigQuery Data 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 BigQuery と組み合わせると、Spark はリアルタイムBigQuery data 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 data 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 data 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 data を操作して分析できます。

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 Data に接続

1. Open a terminal and start the Spark shell with the CData JDBC Driver for BigQuery JAR file as the jars parameter: $ spark-shell --jars /CData/CData JDBC Driver for BigQuery/lib/cdata.jdbc.googlebigquery.jar
2. With the shell running, you can connect to BigQuery with a JDBC URL and use the SQL Context load() function to read a table.

   Google uses the OAuth authentication standard. To access Google APIs on behalf of individual users, you can use the embedded credentials or you can register your own OAuth app.

   OAuth also enables you to use a service account to connect on behalf of users in a Google Apps domain. To authenticate with a service account, you will need to register an application to obtain the OAuth JWT values.

   In addition to the OAuth values, you will need to specify the DatasetId and ProjectId. See the "Getting Started" chapter of the help documentation for a guide to using OAuth.

   組み込みの接続文字列デザイナー

   For assistance in constructing the JDBC URL, use the connection string designer built into the BigQuery JDBC Driver.Either double-click the JAR file or execute the jar file from the command-line.

   java -jar cdata.jdbc.googlebigquery.jar

   Fill in the connection properties and copy the connection string to the clipboard.

   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. Once you connect and the data is loaded you will see the table schema displayed.

4. Register the BigQuery data as a temporary table:

   scala> googlebigquery_df.registerTable("orders")

5. Perform custom SQL queries against the Data using commands like the one below:

   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:

   

Using the CData JDBC Driver for BigQuery in Apache Spark, you are able to perform fast and complex analytics on BigQuery data, combining the power and utility of Spark with your data.Download a free, 30 day trial of any of the 200+ CData JDBC Drivers and get started today.