ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →CData
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 CosmosDB と組み合わせると、Spark はリアルタイムでCosmos DB 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Cosmos DB 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Cosmos DB と対話するための高いパフォーマンスを提供します。Cosmos DB 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Cosmos DB 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Cosmos DB を操作して分析できます。
まずは、本記事右側のサイドバーからCosmosDB 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 --jars /CData/CData JDBC Driver for CosmosDB/lib/cdata.jdbc.cosmosdb.jar
SQL API を使ってCosmos DB アカウントに接続するために必要な接続文字列を取得するには、Azure Portal にログインして「Azure Cosmos DB」を選択し、自分のアカウントを選択します。「Settings」セクションで、「Connection String」をクリックして次の値を設定します。
JDBC 接続文字列URL の作成には、Cosmos DB 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.cosmosdb.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 cosmosdb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:cosmosdb:AccountEndpoint=myAccountEndpoint;AccountKey=myAccountKey;").option("dbtable","Customers").option("driver","cdata.jdbc.cosmosdb.CosmosDBDriver").load()
Cosmos DB をテンポラリーテーブルとして登録します:
scala> cosmosdb_df.registerTable("customers")
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> cosmosdb_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Name = Morris Park Bake Shop").collect.foreach(println)
コンソールで、次のようなCosmos DB データを取得できました!これでCosmos DB との連携は完了です。
CData JDBC Driver for CosmosDB をApache Spark で使って、Cosmos DB 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。