Pure R スクリプトおよび 標準SQL を使って、R およびJava をインストール可能なあらゆるマシン上でHBase にアクセス。CData JDBC Driver for HBase とRJDBC package を使って、R でリモートHBase data を利用できます。CData Driver を使うことで、業界が認めた基準で書かれたドライバーを活用して、オープンソースでポピュラーなR 言語のデータにアクセスできます。この記事では、ドライバーを使ってHBase にSQL クエリを実行する方法、および標準R 関数を呼び出してHBase をビジュアライズする方法について説明します。
R をインストール
マルチスレッドのMicrosoft R Open を実行すること、またはBLAS/LAPACK ライブラリにリンクされたオープン R を実行することによって、マルチスレッドおよびマネージドコードから利益を得られたドライバーのパフォーマンスにマッチできます。ここでは、Microsoft R Open 3.2.3 を使用します。CRAN レポジトリのJan. 1, 2016 snapshot からパッケージをインストールするために事前設定されています。このsnapshot は再現性を保証します。
RJDBC パッケージをロード
ドライバーを使うにはRJDBC パッケージをダウンロードします。RJDBC パッケージをインストールしたら、次のコードを入力してパッケージをロードします。
library(RJDBC)
JDBC データソースとしてHBase に接続
下記の情報を使いHBase にJDBC データソースとして接続します。
- Driver Class：cdata.jdbc.apachehbase.ApacheHBaseDriver に設定。
- Classpath：Driver JAR の場所を設定します。デフォルトではインストールディレクトリの［lib］サブフォルダです。
dbConnect やdbSendQuery のようなDBI 関数は、R にデータアクセスコードを書くための統一インターフェースを提供します。
driver <- JDBC(driverClass = "cdata.jdbc.apachehbase.ApacheHBaseDriver", classPath = "MyInstallationDir\lib\cdata.jdbc.apachehbase.jar", identifier.quote = "'")
これで、DBI 関数を使ってHBase に接続しSQL クエリを実行する準備が整いました。dbConnect 関数を使ってJDBC 接続を初期化します。一般的なJDBC 接続文字列は次のとおりです。
conn <- dbConnect(driver,"Server=127.0.0.1;Port=8080;")
Apache HBase への接続には、Port およびServer を設定します。
スキーマ Discovery
ドライバーはHBase API をリレーショナルデータベース、ビュー、ストアドプロシージャとしてモデルします。次のコードを使ってテーブルリストを検出します。
dbListTables(conn)
SQL クエリの実行
dbGetQuery 関数を使ってHBase API がサポートするすべてのSQL クエリを実行できます：
customers <- dbGetQuery(conn,"SELECT SUM(CustomerName), Price FROM Customers GROUP BY Price")
次のコマンドを使って、結果を［data viewer］ウィンドウで見ることができます。
View(customers)
HBase Data をプロット
CRAN レポジトリで利用可能なあらゆるデータ初期化パッケージを使ってHBase を分析する準備が整いました。ビルトインバーのplot 関数を使って簡単なバーを作成できます。
par(las=2,ps=10,mar=c(5,15,4,2)) barplot(customers$Price, main="HBase Customers", names.arg = customers$CustomerName, horiz=TRUE)
