Apache Spark でHBase Data をSQL で操作

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

CData JDBC Driver for HBase をインストール

CData JDBC Driver for HBase 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HBase Data に接続

1. Open a terminal and start the Spark shell with the CData JDBC Driver for HBase JAR file as the jars parameter: $ spark-shell --jars /CData/CData JDBC Driver for HBase/lib/cdata.jdbc.apachehbase.jar
2. With the shell running, you can connect to HBase with a JDBC URL and use the SQL Context load() function to read a table.

   Set the Port and Server to connect to Apache HBase.

   組み込みの接続文字列デザイナー

   For assistance in constructing the JDBC URL, use the connection string designer built into the HBase JDBC Driver.Either double-click the JAR file or execute the jar file from the command-line.

   java -jar cdata.jdbc.apachehbase.jar

   Fill in the connection properties and copy the connection string to the clipboard.

   scala> val apachehbase_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:apachehbase:Server=127.0.0.1;Port=8080;").option("dbtable","Customers").option("driver","cdata.jdbc.apachehbase.ApacheHBaseDriver").load()
3. Once you connect and the data is loaded you will see the table schema displayed.

4. Register the HBase data as a temporary table:

   scala> apachehbase_df.registerTable("customers")

5. Perform custom SQL queries against the Data using commands like the one below:

   scala> apachehbase_df.sqlContext.sql("SELECT CustomerName, Price FROM Customers WHERE ShipCity = New York").collect.foreach(println)

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

   

Using the CData JDBC Driver for HBase in Apache Spark, you are able to perform fast and complex analytics on HBase data, combining the power and utility of Spark with your data.Download a free, 30 day trial of any of the 200+ CData JDBC Drivers and get started today.