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

CData JDBC Driver for Box をインストール

まずは、本記事右側のサイドバーからBox 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Box データに接続

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

   Box 接続プロパティの取得・設定方法

   Box は、認証にOAuth スタンダードを使用します。Box への認証には、登録アプリのOAuthClientId、OAuthClientSecret、CallbackURL を取得して、接続プロパティに設定してください。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。

   なお、Box Driver はBox のファイルの一覧表示やユーザー管理情報の取得用です。Box に保管されているExcel、CSV、JSON などのファイル内のデータを読み込みたい場合には、それぞれExcel Driver、CSV Driver、JSON Driver をご利用ください。

   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、Box 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.box.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 box_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:box:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:33333;").option("dbtable","Files").option("driver","cdata.jdbc.box.BoxDriver").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. Box をテンポラリーテーブルとして登録します:

   scala> box_df.registerTable("files")

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> box_df.sqlContext.sql("SELECT Name, Size FROM Files WHERE Id = 123").collect.foreach(println)

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

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