各製品の資料を入手。
詳細はこちら →CData
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 Instagram と組み合わせると、Spark はリアルタイムでInstagram 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Instagram 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Instagram と対話するための高いパフォーマンスを提供します。Instagram 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Instagram 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Instagram を操作して分析できます。
まずは、本記事右側のサイドバーからInstagram 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 --jars /CData/CData JDBC Driver for Instagram/lib/cdata.jdbc.instagram.jar
Instagram はOAuth 2 認証標準を使用します。Instagram にアプリを登録して、OAuthClientId、OAuthClientSecret、およびCallbackURL を取得する必要があります。詳しくはヘルプドキュメントを参照してください。
JDBC 接続文字列URL の作成には、Instagram 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.instagram.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 instagram_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:instagram:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;").option("dbtable","Media").option("driver","cdata.jdbc.instagram.InstagramDriver").load()
Instagram をテンポラリーテーブルとして登録します:
scala> instagram_df.registerTable("media")
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> instagram_df.sqlContext.sql("SELECT Link, LikesCount FROM Media WHERE TagName = goldfish").collect.foreach(println)
コンソールで、次のようなInstagram データを取得できました!これでInstagram との連携は完了です。
CData JDBC Driver for Instagram をApache Spark で使って、Instagram 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。