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

CData JDBC Driver for Garoon をインストール

まずは、本記事右側のサイドバーからGaroon 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Garoon データに接続

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

   Garoon への認証は、パスワード認証、Basic 認証、クライアントSSL をサポートしています。

   パスワード認証

   Garoon への認証には、以下を設定する必要があります。

   • Url：アカウントのURL。
   • User：アカウントのユーザー名。
   • Password：アカウントのパスワード。

   Basic 認証

   Basic 認証セキュリティ機能がドメインに設定されている場合は、BasicAuthUser とBasicAuthPassword の追加ログイン資格情報を指定します。Basic 認証ではUser とPassword に加えて、これらのクレデンシャルが必要です。

   クライアントSSL

   Basic 認証の代わりに、クライアント証明書を指定してCData 製品を認証できます。 SSLClientCert、SSLClientCertType、 SSLClientCertSubject、 およびSSLClientCertPassword を設定します。 さらに、User とPassword をGaroon のログイン資格情報に設定します。

   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、Garoon 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.garoon.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 garoon_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:garoon:User=myuseraccount;Password=mypassword;Url=http://subdomain.domain.com;").option("dbtable","Events").option("driver","cdata.jdbc.garoon.GaroonDriver").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. Garoon をテンポラリーテーブルとして登録します:

   scala> garoon_df.registerTable("events")

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> garoon_df.sqlContext.sql("SELECT Id, EventMenu FROM Events WHERE CreatorName = Bob").collect.foreach(println)

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

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