各製品の資料を入手。
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 FreshDesk と組み合わせると、Spark はリアルタイムでFreshdesk 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Freshdesk 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Freshdesk と対話するための高いパフォーマンスを提供します。Freshdesk 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Freshdesk 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Freshdesk 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FreshDesk 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 FreshDesk/lib/cdata.jdbc.freshdesk.jar
FreshDesk はbasic 認証を使用します。データへの接続には、次の接続プロパティを設定してください。
JDBC 接続文字列URL の作成には、Freshdesk 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.freshdesk.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 freshdesk_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:freshdesk:Domain=MyDomain;APIKey=myAPIKey;").option("dbtable","Tickets").option("driver","cdata.jdbc.freshdesk.FreshDeskDriver").load()
Freshdesk をテンポラリーテーブルとして登録します:
scala> freshdesk_df.registerTable("tickets")
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> freshdesk_df.sqlContext.sql("SELECT Id, Name FROM Tickets WHERE Status = 2").collect.foreach(println)
コンソールで、次のようなFreshdesk データを取得できました!これでFreshdesk との連携は完了です。
CData JDBC Driver for FreshDesk をApache Spark で使って、Freshdesk 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。