今すぐお試しください!

製品の詳細CData JDBC Driver for Google Data Catalog を確認して、無償評価版をダウンロード:

今すぐダウンロード

Apache Spark でGoogle Data Catalog データをSQL で操作

CData JDBC ドライバーを使用して、Apache Spark でGoogle Data Catalog 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 Google Data Catalog と組み合わせると、Spark はリアルタイムGoogle Data Catalog 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Google Data Catalog 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Google Data Catalog と対話するための高いパフォーマンスを提供します。Google Data Catalog 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Google Data Catalog 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Google Data Catalog 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 Google Data Catalog をインストール

CData JDBC Driver for Google Data Catalog 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Google Data Catalog データに接続

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

    Google Data Catalog uses the OAuth authentication standard. Authorize access to Google APIs on behalf on individual users or on behalf of users in a domain.

    Before connecting, specify the following to identify the organization and project you would like to connect to:

    • OrganizationId: The ID associated with the Google Cloud Platform organization resource you would like to connect to. Find this by navigating to the cloud console.

      Click the project selection drop-down, and select your organization from the list. Then, click More -> Settings. The organization ID is displayed on this page.

    • ProjectId: The ID associated with the Google Cloud Platform project resource you would like to connect to.

      Find this by navigating to the cloud console dashboard and selecting your project from the Select from drop-down. The project ID will be present in the Project info card.

    When you connect, the OAuth endpoint opens in your default browser. Log in and grant permissions to the application to completes the OAuth process. For more information, refer to the OAuth section in the Help documentation.

    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、Google Data Catalog 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.googledatacatalog.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 googledatacatalog_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googledatacatalog:ProjectId=YourProjectId;").option("dbtable","Schemas").option("driver","cdata.jdbc.googledatacatalog.GoogleDataCatalogDriver").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. Google Data Catalog をテンポラリーテーブルとして登録します:

    scala> googledatacatalog_df.registerTable("schemas")
  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> googledatacatalog_df.sqlContext.sql("SELECT Type, DatasetName FROM Schemas WHERE ProjectId = bigquery-public-data").collect.foreach(println)

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

CData JDBC Driver for Google Data Catalog をApache Spark で使って、Google Data Catalog 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。

 
 
ダウンロード