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

※製品について詳しい情報をご希望の方は以下からお進みください。

• Impala にほかのBI、ETL、開発ツールから接続したい：Impala データ連携ガイドおよびチュートリアルのリストへ
• Impala Drivers について詳細を知りたい：ドライバー詳細情報ページへ
• ほかのデータソースに連携したい：CData Drivers 一覧へ
• ドライバーの30日の無償トライアル版を使いたい：トライアル版ダウンロードページへ
• 製品の利用やライセンスについて相談したい：sales@cdata.co.jp までメールにてご相談ください。

CData JDBC Driver for Impala をインストール

CData JDBC Driver for Impala 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Impala データに接続

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

   In order to connect to Apache Impala, set the Server, Port, and ProtocolVersion. You may optionally specify a default Database. To connect using alternative methods, such as NOSASL, LDAP, or Kerberos, refer to the online Help documentation.

   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、Impala 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.apacheimpala.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 apacheimpala_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:apacheimpala:Server=127.0.0.1;Port=21050;").option("dbtable","Customers").option("driver","cdata.jdbc.apacheimpala.ApacheImpalaDriver").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. Impala をテンポラリーテーブルとして登録します:

   scala> apacheimpala_df.registerTable("customers")

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> apacheimpala_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Country = US").collect.foreach(println)

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

   

CData JDBC Driver for Impala をApache Spark で使って、Impala 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。是非、30日の無償試用版 をダウンロードしてお試しください。