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

CData JDBC Driver for EnterpriseDB をインストール

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

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

   データに接続するには、以下の接続プロパティが必要です。

   • Server: EnterpriseDB データベースをホスティングしているサーバーのホスト名またはIP アドレス。
   • Port: EnterpriseDB データベースをホスティングしているサーバーのポート。

   オプションで、以下を設定することもできます。

   • Database: EnterpriseDB サーバーに接続する場合のデフォルトのデータベース。設定されていない場合は、ユーザーのデフォルトデータベースが使用されます。

   Basic 認証による接続

   Basic 認証を使って認証するには、以下を設定します。

   • User：EnterpriseDB サーバーに認証する際に使われるユーザー。
   • Password：EnterpriseDB サーバーに認証する際に使われるパスワード。

   SSL 認証による接続

   SSL 認証を利用して、セキュアなセッションを介してEnterpriseDB データに接続できます。以下の接続プロパティを設定して、データに接続します。

   • SSLClientCert：クライアント証明書のための証明書ストア名に設定します。クライアントとサーバーの両方のマシンでトラストストアとキーストアが保持される2-way SSL の場合に使用されます。
   • SSLClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
   • SSLClientCertSubject：TLS/SSL クライアント証明書のSubject。ストア内の証明書を検索するために使用されます。
   • SSLClientCertType：クライアントストアの証明書タイプ。
   • SSLServerCert：サーバーが受け入れ可能な証明書。

   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、EnterpriseDB 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.enterprisedb.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 enterprisedb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:enterprisedb:User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5444").option("dbtable","Orders").option("driver","cdata.jdbc.enterprisedb.EnterpriseDBDriver").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. EnterpriseDB をテンポラリーテーブルとして登録します:

   scala> enterprisedb_df.registerTable("orders")

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> enterprisedb_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

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

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