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 GoogleSheets と組み合わせると、Spark はリアルタイムでGoogle Sheets 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Google Sheets 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Google Sheets と対話するための高いパフォーマンスを提供します。Google Sheets 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 Sheets 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 Sheets 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GoogleSheets 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 GoogleSheets/lib/cdata.jdbc.googlesheets.jar
スプレッドシートに接続するには、Google への認証を行い、Spreadsheet 接続プロパティにスプレッドシートの名前またはフィードリンクを設定します。Google Drive のスプレッドシートの情報一覧を表示したい場合は、認証後にSpreadsheets ビューにクエリを実行します。
ClientLogin(ユーザー名 / パスワード認証)は、2012年4月20日より正式に非推奨となり、現在は利用できません。代わりに、OAuth 2.0 認証規格を使用してください。 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 アプリを登録します。
OAuth は、Google Apps ドメインのユーザーに代わって、サービスアカウントを使って接続することもできます。サービスアカウントで認証するには、OAuth JWT 値を取得するためのアプリケーションを登録する必要があります。
Google アカウント、Google Apps アカウント、二段階認証を使用するアカウントなど、様々なアカウントタイプでGoogle スプレッドシートに接続する方法は、ヘルプドキュメントの「はじめに」を参照してください。
JDBC 接続文字列URL の作成には、Google Sheets 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.googlesheets.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 googlesheets_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlesheets:Spreadsheet=MySheet;").option("dbtable","Orders").option("driver","cdata.jdbc.googlesheets.GoogleSheetsDriver").load()
Google Sheets をテンポラリーテーブルとして登録します:
scala> googlesheets_df.registerTable("orders")
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> googlesheets_df.sqlContext.sql("SELECT Shipcountry, OrderPrice FROM Orders WHERE ShipCity = Madrid").collect.foreach(println)
コンソールで、次のようなGoogle Sheets データを取得できました!これでGoogle Sheets との連携は完了です。
CData JDBC Driver for GoogleSheets をApache Spark で使って、Google Sheets 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。