本記事では CData サポート担当からこんなことを聞かれたらどこを確認すべきか?という観点で、よく頂くお問合せ内容をご紹介します。
記事はこちら →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 Box と組み合わせると、Spark はリアルタイムBox 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Box 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 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 --jars /CData/CData JDBC Driver for Box/lib/cdata.jdbc.box.jar
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 を入力します。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。
尚、本製品は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、Excel Driver、CSV Driver、JSON Driver をご利用ください。
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()
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")
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)
You will see the results displayed in the console, similar to the following:
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。是非、30日の無償評価版 をダウンロードしてお試しください。