Apache Spark でGmail データをSQL で操作

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

Gmail JDBC Driver

パワフルなGmail 送受信機能を統合した優れたJava アプリケーションを短時間・低コストで作成して配布できます。電子メールの送受信、Gmail フォルダー / メッセージの管理などを行うことができます。



CData JDBC ドライバーを使用して、Apache Spark でGmail にデータ連携。

Apache Spark は大規模データ処理のための高速で一般的なエンジンです。CData JDBC Driver for Gmail と組み合わせると、Spark はリアルタイムGmail にデータ連携して処理ができます。ここでは、Spark シェルに接続してGmail をクエリする方法について説明します。

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Gmail と対話するための高いパフォーマンスを提供します。Gmail 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Gmail 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Gmail を操作して分析できます。

※製品について詳しい情報をご希望の方は以下からお進みください。

CData JDBC Driver for Gmail をインストール

CData JDBC Driver for Gmail インストーラをダウンロードし、パッケージを解凍し、JAR ファイルを実行してドライバーをインストールします。

Spark Shell を起動してGmail データに接続

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

    Gmail に接続する方法は2つあります。ログインクレデンシャルかOAuth のいずれかを選択する前に、まずGmail のアカウント設定でIMAP アクセスを有効にしてください。詳しくは、ヘルプドキュメントの「はじめに」-「Gmail への接続」を参照してください。

    Authentication セクションのUser とPassword プロパティに、有効なGmail ユーザー資格情報を設定します。

    あるいは、Password を指定する代わりに、OAuth 認証標準を使います。 個々のユーザーに代わってGoogle API にアクセスするには、埋め込みクレデンシャルを使用するか、独自のOAuth アプリを登録することができます。

    また、OAuth を利用することで、Google Apps ドメイン内のユーザーに代わってサービスアカウントを使用して接続することができます。サービスアカウントで認証するには、アプリケーションを登録してOAuth JWT 値を取得する必要があります。

    OAuth 値に加え、User を指定する必要があります。詳しくは、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、Gmail 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.gmail.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 gmail_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:gmail:User=username;Password=password;").option("dbtable","Inbox").option("driver","cdata.jdbc.gmail.GmailDriver").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. Gmail をテンポラリーテーブルとして登録します:

    scala> gmail_df.registerTable("inbox")
  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> gmail_df.sqlContext.sql("SELECT Subject, Size FROM Inbox WHERE From = test@test.com").collect.foreach(println)

    You will see the results displayed in the console, similar to the following:

CData JDBC Driver for Gmail をApache Spark で使って、Gmail 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。是非、30日の無償試用版 をダウンロードしてお試しください。