Apache Spark でHighrise データをSQL で操作する方法

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

CData JDBC Driver for Highrise をインストール

まずは、本記事右側のサイドバーからHighrise 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 を起動してHighrise データに接続

1. ターミナルを開き、Spark shell でCData JDBC Driver for Highrise JAR file をjars パラメータに設定します: $ spark-shell --jars /CData/CData JDBC Driver for Highrise/lib/cdata.jdbc.highrise.jar
2. Shell でJDBC URL を使ってHighrise に接続し、SQL Context load() function でテーブルを読み込みます。

   Highrise はOAuth 認証標準を利用しています。Highrise に認証するには、Highrise にアプリケーションを登録し、OAuthClientId、OAuthClientSecret、およびCallbackURL を取得する必要があります。データへの接続には、AccountId の設定も必要です。

   OAuth の使用については、ヘルプドキュメントの「はじめに」を参照してください。

   組み込みの接続文字列デザイナー

   JDBC 接続文字列URL の作成には、Highrise 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.highrise.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 highrise_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:highrise:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost;AccountId=MyAccountId;").option("dbtable","Deals").option("driver","cdata.jdbc.highrise.HighriseDriver").load()
3. 接続が完了し、データがロードされたら、テーブルスキーマが表示されます。

4. Highrise をテンポラリーテーブルとして登録します:

   scala> highrise_df.registerTable("deals")

5. 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> highrise_df.sqlContext.sql("SELECT Name, Price FROM Deals WHERE GroupId = MyGroupId").collect.foreach(println)

   コンソールで、次のようなHighrise データを取得できました！これでHighrise との連携は完了です。

CData JDBC Driver for Highrise をApache Spark で使って、Highrise 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。