ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →CData
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 Excel と組み合わせると、Spark はリアルタイムでExcel 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Excel 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Excel と対話するための高いパフォーマンスを提供します。Excel 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Excel 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Excel を操作して分析できます。
まずは、本記事右側のサイドバーからExcel 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 --jars /CData/CData JDBC Driver for Excel/lib/cdata.jdbc.excel.jar
Authentication セクションのExcelFile には有効なExcel ファイルを設定する必要があります。
URI をバケット内のExcel ファイルに設定します。さらに、次のプロパティを設定して認証します。
URI をExcel ファイルへのパスに設定します。Box へ認証するには、OAuth 認証標準を使います。 認証方法については、Box への接続 を参照してください。
URI をExcel ファイルへのパスに設定します。Dropbox へ認証するには、OAuth 認証標準を使います。 認証方法については、Dropbox への接続 を参照してください。ユーザーアカウントまたはサービスアカウントで認証できます。ユーザーアカウントフローでは、以下の接続文字列で示すように、ユーザー資格情報の接続プロパティを設定する必要はありません。
URI をExcel ファイルを含むドキュメントライブラリに設定します。認証するには、User、Password、およびStorageBaseURL を設定します。
URI をExcel ファイルを含むドキュメントライブラリに設定します。StorageBaseURL は任意です。指定しない場合、ドライバーはルートドライブで動作します。 認証するには、OAuth 認証標準を使用します。
URI をExcel ファイルへのパスが付いたサーバーのアドレスに設定します。認証するには、User およびPassword を設定します。
デスクトップアプリケーションからのGoogle への認証には、InitiateOAuth をGETANDREFRESH に設定して、接続してください。詳細はドキュメントの「Google Drive への接続」を参照してください。
JDBC 接続文字列URL の作成には、Excel 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.excel.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 excel_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:excel:Excel File='C:/MyExcelWorkbooks/SampleWorkbook.xlsx';").option("dbtable","Sheet").option("driver","cdata.jdbc.excel.ExcelDriver").load()
Excel をテンポラリーテーブルとして登録します:
scala> excel_df.registerTable("sheet")
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> excel_df.sqlContext.sql("SELECT Name, Revenue FROM Sheet WHERE Name = Bob").collect.foreach(println)
コンソールで、次のようなExcel データを取得できました!これでExcel との連携は完了です。
CData JDBC Driver for Excel をApache Spark で使って、Excel 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。