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

CData JDBC Driver for Ebay をインストール

まずは、本記事右側のサイドバーからEbay 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eBay データに接続

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

   eBay はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得しなければなりません。

   詳細はヘルプドキュメントの「はじめに」を参照してください。

   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、eBay 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.ebay.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 ebay_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:ebay:AppId=MyAppId;CertId=MyCertId;DevId=MyDevId;SiteId=MySiteId;RuName=MyRuName;CallbackURL=http://localhost:33333;").option("dbtable","ItemListing").option("driver","cdata.jdbc.ebay.EbayDriver").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. eBay をテンポラリーテーブルとして登録します:

   scala> ebay_df.registerTable("itemlisting")

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> ebay_df.sqlContext.sql("SELECT Title, HitCount FROM ItemListing WHERE ListingStatus = active").collect.foreach(println)

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

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