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

CData JDBC Driver for MailChimp をインストール

まずは、本記事右側のサイドバーからMailChimp 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MailChimp データに接続

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

   APIKey をアカウント設定で生成したキーに設定するか、APIKey を提供する代わりにOAuth 標準を使用してアプリケーションを認証できます。OAuth を使用すると、他のユーザーが自身のデータにアクセスできるようになります。OAuth を使って認証するには、MailChimp 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。

   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、MailChimp 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.mailchimp.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 mailchimp_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:mailchimp:APIKey=myAPIKey;").option("dbtable","Lists").option("driver","cdata.jdbc.mailchimp.MailChimpDriver").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. MailChimp をテンポラリーテーブルとして登録します:

   scala> mailchimp_df.registerTable("lists")

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> mailchimp_df.sqlContext.sql("SELECT Name, Stats_AvgSubRate FROM Lists WHERE Contact_Country = US").collect.foreach(println)

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

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