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

CData JDBC Driver for CockroachDB をインストール

まずは、本記事右側のサイドバーからCockroachDB 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CockroachDB のデータに接続

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

   CockroachDB 接続プロパティの取得・設定方法

   CockroachDB に接続するには以下を設定します。

   • Server：サーバーのホスト名またはIP アドレス。
   • Port：CockroachDB サーバーのポート番号。デフォルトのポートは26257 です。
   • Database：Cockroach データベースの名前。デフォルトでは、CData 製品はユーザーのデフォルトデータベースに接続します。
   • User：認証に使用されるCockroach DB ユーザーアカウント。
   • Password：ユーザーの認証で使用されるパスワード。

   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、CockroachDB 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.cockroachdb.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 cockroachdb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:cockroachdb:User=root;Password=root;Database=system;Server=localhost;Port=26257").option("dbtable","Orders").option("driver","cdata.jdbc.cockroachdb.CockroachDBDriver").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. CockroachDB をテンポラリーテーブルとして登録します:

   scala> cockroachdb_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> cockroachdb_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

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

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