HDFS データをR で分析

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

HDFS JDBC Driver

HDFS データに連携するJava アプリケーションを素早く、簡単に開発できる便利なドライバー。



CData JDBC Driver for HDFSで標準的なR 関数とお好みの開発環境を使って、 HDFS を分析。



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HDFS にアクセス。CData JDBC Driver for HDFS とRJDBC package を使って、R でリモートHDFS 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HDFS 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HDFS 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HDFS に接続

下記の情報を使いHDFS にJDBC データソースとして接続します。

  • Driver Class:cdata.jdbc.hdfs.HDFSDriver 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.hdfs.HDFSDriver", classPath = "MyInstallationDir\lib\cdata.jdbc.hdfs.jar", identifier.quote = "'")

これで、DBI 関数を使ってHDFS 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,"Host=sandbox-hdp.hortonworks.com;Port=50070;Path=/user/root;User=root;")

In order to authenticate, set the following connection properties:

  • Host: Set this value to the host of your HDFS installation.
  • Port: Set this value to the port of your HDFS installation. Default port: 50070

スキーマ Discovery

ドライバーはHDFS 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HDFS API がサポートするすべてのSQL クエリを実行できます:

files <- dbGetQuery(conn,"SELECT FileId, ChildrenNum FROM Files WHERE FileId = '119116'")

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(files)

HDFS 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HDFS 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(files$ChildrenNum, main="HDFS Files", names.arg = files$FileId, horiz=TRUE)