各製品の資料を入手。
詳細はこちら →
製品をチェック
Apache Spark でGreenhouse のデータをSQL で操作する方法
CData JDBC ドライバーを使用して、Apache Spark でGreenhouse にデータ連携。
最終更新日：2023-09-04
この記事で実現できるGreenhouse 連携のシナリオ
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 Greenhouse と組み合わせると、Spark はリアルタイムでGreenhouse の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Greenhouse 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Greenhouse と対話するための高いパフォーマンスを提供します。Greenhouse 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Greenhouse 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Greenhouse を操作して分析できます。
CData JDBC Driver for Greenhouse をインストール
まずは、本記事右側のサイドバーからGreenhouse 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Greenhouse のデータに接続
- ターミナルを開き、Spark shell でCData JDBC Driver for Greenhouse JAR file をjars パラメータに設定します:
$ spark-shell --jars /CData/CData JDBC Driver for Greenhouse/lib/cdata.jdbc.greenhouse.jar - Shell でJDBC URL を使ってGreenhouse に接続し、SQL Context load() function でテーブルを読み込みます。
Greenhouse への接続にはAPI キーが必要です。API キーを作成するには、以下の手順に従います。
- ナビゲーションバーのConfigure アイコンをクリックし、左側にあるDev Center を見つけます。
- API Credential Management を選択します。
- Create New API Key をクリックします。
- "API Type" をHarvest に設定します。
- "Partner" をcustom に設定します。
- オプションで、説明を入力します。
- Manage permissions に進み、本製品を利用してアクセスしたいリソースに基づいて適切な権限を選択します。
- 作成されたキーをコピーし、APIKey にその値を設定します。
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、Greenhouse 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.greenhouse.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 greenhouse_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:greenhouse:APIKey=YourAPIKey;").option("dbtable","Applications").option("driver","cdata.jdbc.greenhouse.GreenhouseDriver").load() - 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。
Greenhouse をテンポラリーテーブルとして登録します:
scala> greenhouse_df.registerTable("applications")-
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> greenhouse_df.sqlContext.sql("SELECT Id, CandidateId FROM Applications WHERE Status = Active").collect.foreach(println)コンソールで、次のようなGreenhouse のデータを取得できました！これでGreenhouse との連携は完了です。
CData JDBC Driver for Greenhouse をApache Spark で使って、Greenhouse 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。
Apache Spark の設定
関連コンテンツ
