Apache Spark でDatabricks データをSQL で操作

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

Databricks JDBC Driver

Databricks 連携のパワフルなJava アプリケーションを素早く作成して配布。



CData JDBC ドライバーを使用して、Apache Spark でDatabricks 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 Databricks と組み合わせると、Spark はリアルタイムDatabricks 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Databricks 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Databricks と対話するための高いパフォーマンスを提供します。Databricks 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Databricks 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Databricks を操作して分析できます。

※製品について詳しい情報をご希望の方は以下からお進みください。

CData JDBC Driver for Databricks をインストール

CData JDBC Driver for Databricks 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Databricks データに接続

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

    To connect to a Databricks cluster, set the properties as described below.

    Note: The needed values can be found in your Databricks instance by navigating to Clusters, and selecting the desired cluster, and selecting the JDBC/ODBC tab under Advanced Options.

    • Server: Set to the Server Hostname of your Databricks cluster.
    • HTTPPath: Set to the HTTP Path of your Databricks cluster.
    • Token: Set to your personal access token (this value can be obtained by navigating to the User Settings page of your Databricks instance and selecting the Access Tokens tab).

    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、Databricks 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.databricks.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 databricks_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:databricks:Server=127.0.0.1;Port=443;TransportMode=HTTP;HTTPPath=MyHTTPPath;UseSSL=True;User=MyUser;Password=MyPassword;").option("dbtable","Customers").option("driver","cdata.jdbc.databricks.DatabricksDriver").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. Databricks をテンポラリーテーブルとして登録します:

    scala> databricks_df.registerTable("customers")
  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> databricks_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Country = US").collect.foreach(println)

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

CData JDBC Driver for Databricks をApache Spark で使って、Databricks 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日の無償試用版 をダウンロードしてお試しください。