Apache Spark でクラウドサイン データを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 CloudSign と組み合わせると、Spark はリアルタイムクラウドサイン にデータ連携して処理ができます。ここでは、Spark シェルに接続してクラウドサイン 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、リアルタイムクラウドサイン と対話するための高いパフォーマンスを提供します。クラウドサイン 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操作を直接クラウドサイン 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クラウドサイン を操作して分析できます。

CData JDBC Driver for CloudSign をインストール

CData JDBC Driver for CloudSign 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 を起動してクラウドサイン データに接続

1. ターミナルを開き、Spark shell でCData JDBC Driver for CloudSign JAR file をjars パラメータに設定します: $ spark-shell --jars /CData/CData JDBC Driver for CloudSign/lib/cdata.jdbc.cloudsign.jar
2. Shell でJDBC URL を使ってクラウドサイン に接続し、SQL Context load() function でテーブルを読み込みます。 CloudSign に接続するためには、ClientId が必要です。

   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、クラウドサイン 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.cloudsign.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 cloudsign_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:cloudsign:ClientId=MyClientId;UseSandbox=false;").option("dbtable","Documents").option("driver","cdata.jdbc.cloudsign.CloudSignDriver").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. クラウドサイン をテンポラリーテーブルとして登録します:

   scala> cloudsign_df.registerTable("documents")

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> cloudsign_df.sqlContext.sql("SELECT DocumentId, Title FROM Documents WHERE Status = 0").collect.foreach(println)

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

CData JDBC Driver for CloudSign をApache Spark で使って、クラウドサイン 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。