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

CData JDBC Driver for CDS をインストール

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

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

   ユーザー資格情報の接続プロパティを設定せずに接続できます。接続に最小限必要な接続プロパティは、以下のとおりです。

   • InitiateOAuth: GETANDREFRESH に設定します。
   • OrganizationUrl: 接続先の組織のURL、例えばhttps://organization.crm.dynamics.com などに設定。
   • Tenant (optional): デフォルトと異なるテナントに認証したい場合は、これを設定します。これは、デフォルトのテナントに所属していない組織と連携するために必要です。

   接続すると、CData 製品はデフォルトブラウザでOAuth エンドポイントを開きます。ログインして、CData 製品にアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。

   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、Microsoft Dataverse 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.cds.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 cds_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:cds:OrganizationUrl=https://myaccount.crm.dynamics.com/").option("dbtable","Accounts").option("driver","cdata.jdbc.cds.CDSDriver").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. Microsoft Dataverse をテンポラリーテーブルとして登録します:

   scala> cds_df.registerTable("accounts")

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> cds_df.sqlContext.sql("SELECT AccountId, Name FROM Accounts WHERE Name = MyAccount").collect.foreach(println)

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

CData JDBC Driver for CDS をApache Spark で使って、Microsoft Dataverse 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。