データビジュアライゼーション、ハイパフォーマンスな統計関数を使ってHBase をMicrosoft R Open で分析。
Pure R スクリプトおよび 標準SQL を使ってHBase にアクセス。CData ODBC Driver for HBase とRODBC package を使って、R でリモートHBase を利用できます。CData Driver を使うことで、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R で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。
HBase ODBC Data Source としてHBase に連携
接続プロパティの指定がまだの場合は、まずODBC DSN (データソース名)で接続設定を行います。これはドライバーのインストール時に自動的に立ち上がります。Microsoft ODBC データソースアドミニストレーターを使ってODBC DSN を作成および設定できます。
Apache HBase への接続には、Port およびServer を設定します。
RODBC パッケージをロード
ドライバーを使うにはRODBC パッケージをダウンロードします。RStudio で[Tools]>[Install Packages]をクリックし、RODBC を[Packages]ボックスに入力します。
RODBC 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(RODBC)
ODBC データソースとしてHBase データに連携
次のコードを使ってR のDSN に接続できます:
conn <- odbcConnect("CData HBase Source")
スキーマ検出
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化します。次のコードを使ってテーブルリストを検出します。
sqlTables(conn)
SQL クエリの実行
sqlQuery 関数を使ってHBase API がサポートするすべてのSQL クエリを実行します。
customers <- sqlQuery(conn, "SELECT SUM(CustomerName), Price FROM Customers GROUP BY Price", believeNRows=FALSE, rows_at_time=1)
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 データをプロット
これで、CRAN レポジトリで利用可能なあらゆるデータビジュアライゼーションパッケージを使ってHBase を分析できます。ビルトインのbar 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)
