Ready to get started?

Learn more about the CData JDBC Driver for CSV or download a free trial:

Download Now

Apache Spark でCSV Data をSQL で操作

CData JDBC ドライバーを使用して、Apache Spark でCSV Data にデータ連携。

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

CData JDBC Driver for CSV をインストール

CData JDBC Driver for CSV 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CSV Data に接続

  1. Open a terminal and start the Spark shell with the CData JDBC Driver for CSV JAR file as the jars parameter: $ spark-shell --jars /CData/CData JDBC Driver for CSV/lib/cdata.jdbc.csv.jar
  2. With the shell running, you can connect to CSV with a JDBC URL and use the SQL Context load() function to read a table.

    The DataSource property must be set to a valid local folder name.

    Also, specify the IncludeFiles property to work with text files having extensions that differ from .csv, .tab, or .txt. Specify multiple file extensions in a comma-separated list. You can also set Extended Properties compatible with the Microsoft Jet OLE DB 4.0 driver. Alternatively, you can provide the format of text files in a Schema.ini file.

    Set UseRowNumbers to true if you are deleting or updating in CSV. This will create a new column with the name RowNumber which will be used as key for that table.

    組み込みの接続文字列デザイナー

    For assistance in constructing the JDBC URL, use the connection string designer built into the CSV JDBC Driver.Either double-click the JAR file or execute the jar file from the command-line.

    java -jar cdata.jdbc.csv.jar

    Fill in the connection properties and copy the connection string to the clipboard.

    scala> val csv_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:csv:DataSource=MyCSVFilesFolder;").option("dbtable","Customer").option("driver","cdata.jdbc.csv.CSVDriver").load()
  3. Once you connect and the data is loaded you will see the table schema displayed.
  4. Register the CSV data as a temporary table:

    scala> csv_df.registerTable("customer")
  5. Perform custom SQL queries against the Data using commands like the one below:

    scala> csv_df.sqlContext.sql("SELECT City, TotalDue FROM Customer WHERE FirstName = Bob").collect.foreach(println)

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

Using the CData JDBC Driver for CSV in Apache Spark, you are able to perform fast and complex analytics on CSV data, combining the power and utility of Spark with your data.Download a free, 30 day trial of any of the 200+ CData JDBC Drivers and get started today.

 
 
ダウンロード