各製品の資料を入手。
詳細はこちら →
製品をチェック
LinkedIn のデータをDatabricks にロードして分析処理を行う方法：CData JDBC Driver
CData JDBC ドライバを使って、クラウドデータ処理基盤のDatabricks で LinkedIn のデータ を分析処理。
最終更新日：2023-09-07
この記事で実現できるLinkedIn 連携のシナリオ
こんにちは！リードエンジニアの杉本です。
Databricksは、ビッグデータの分析とAI を統合したクラウドベースのデータプラットフォームです。
通常Databricks では、Azure Blob Storage やデータレイクに存在しているCSV、JSON、Parquetなどのバイナリベースの構造データ、ないしSQL ServerやCosmos DBといったRDB・NoSQLサービスからデータを取り込んで、分析するというアプローチが多いかと思います。
しかしながら、今や分析対象となるデータソースはそういったバイナリデータやRDB・NoSQLのdataにとどまらず、SalesforceやDynamics 365といったクラウドサービス上にも数多く存在しています。そこで CData JDBC Driverを活用することにより、Databricks からシームレスにクラウドサービスのデータソースをロード、分析できるようになります。
この記事では、クラウドサービスのビッグデータ処理サービスである Databricks で CData JDBC Driverを利用してLinkedIn のデータを扱う方法を紹介します。
Databricks に JDBC Driver for LinkedInをインストールする
- Databricks の管理画面に移動し、対象のクラスターを選択します。
- 「Libraries」タブから「Install New」をクリックします。ここから接続に必要なJDBC jarファイルをアップロードします。
- CData JDBC ドライバのインストールディレクトリ（デフォルト：C:\Program Files\CData\CData JDBC Driver for LinkedIn 2019J\lib）に配置されている「cdata.jdbc.linkedin.jar」ファイルをドラッグ・アンド・ドロップして、対象のクラスターにインストールします。
これでドライバーの配置などの準備は完了です。
Notebook で LinkedIn のデータ データにアクセスする：Python
- それでは Notebook を立ち上げて、LinkedIn のデータ データにアクセスしましょう。 今回は Python を使いますが、Scalaでも同様に実行可能です。
- LangauageはPythonを選択し、先程JDBCをインストールしたクラスターを選択します。
- Notebook が立ち上がったら、以下のコードをそれぞれ実行していきます。
- 最初に接続情報を定義します。 URLはLinkedIn のデータ のログイン情報とセキュリティトークンを指定します。CData JDBC Driver用の特殊ライセンスをRTKとして指定します。RTK の入手方法については、CData サポートまでご連絡ください。
- 次に先程の接続情報をもとに、CData JDBC Driver経由でLinkedIn のデータ のデータをデータフレームとして読み込みます。
- 読み込んだ結果は以下のコマンドで確認できます。これでDatabricks上でLinkedIn のデータ のデータを扱えるようになりました。
- Databricks の SparkSQLでデータを処理したい場合は、Temp Viewとして登録します。
- 以下のように SparkSQLでデータを取得し、分析することができます。
# Step 1: Connection Information
driver = "cdata.jdbc.linkedin.LinkedInDriver"
url = "jdbc:linkedin:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;CompanyId=XXXXXXXInitiateOAuth=GETANDREFRESH"
table = "CompanyStatusUpdates"
# Step 2: Reading the data
remote_table = spark.read.format("jdbc")\
.option("driver", driver)\
.option("url", url)\
.option("dbtable", table)\
.load()
# Step 3: Querying the data
display(remote_table.select("name"))
# Step 4: (Optional) Create a view or table
remote_table.createOrReplaceTempView("SAMPLE_VIEW")
%sql
SELECT Name,AnnualRevenue FROM SAMPLE_VIEW Order by AnnualRevenue desc limit 5
なお、データフレームは対象のNotebook内だけのデータなので、他のユーザーと一緒に利用する場合はテーブルとして保存しておきましょう。
remote_table.write.format("parquet").saveAsTable("SAMPLE_TABLE")
このようにCData JDBC ドライバをアップロードすることで、簡単にDatabricks でLinkedIn のデータ データをノーコードで連携し、分析に使うことが可能です。
是非、CData JDBC Driver for LinkedIn 30日の無償評価版 をダウンロードして、お試しください。