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

CData JDBC Driver for Confluence をインストール

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

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

   API Token を取得する方法

   API token は、アカウントへの認証に必須です。トークンの生成には、Atlassian アカウントでサービスにログインし、API tokens > Create API token に進みます。生成されたトークンが表示されます。

   Confluence Cloud Account への接続

   Cloud アカウントへの接続には、以下のプロパティを設定します（Password は、Server Instance への接続時のみ必要で、Cloud Account への接続には不要になりました。）:

   • User: Confluence サーバーに認証するユーザー名。
   • APIToken: 認証するユーザーに紐付けられたAPI Token。
   • Url: JIRA エンドポイントのURL。例： https://yoursitename.atlassian.net

   Confluence Server Instance への接続

   Server instance への接続には以下を設定します:

   • User: Confluence Instance に接続するユーザー名。
   • Password: Confluence Instance に接続するユーザーのパスワード。
   • Url: JIRA エンドポイントのURL。例： https://yoursitename.atlassian.net

   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、Confluence 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.confluence.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 confluence_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:confluence:User=admin;APIToken=myApiToken;Url=https://yoursitename.atlassian.net;Timezone=America/New_York;").option("dbtable","Pages").option("driver","cdata.jdbc.confluence.ConfluenceDriver").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. Confluence をテンポラリーテーブルとして登録します:

   scala> confluence_df.registerTable("pages")

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> confluence_df.sqlContext.sql("SELECT Key, Name FROM Pages WHERE Id = 10000").collect.foreach(println)

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

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