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 MarkLogic と組み合わせると、Spark はリアルタイムMarkLogic 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MarkLogic 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MarkLogic と対話するための高いパフォーマンスを提供します。MarkLogic 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MarkLogic 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MarkLogic 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。
CData JDBC Driver for MarkLogic をインストール
CData JDBC Driver for MarkLogic 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MarkLogic データに接続
- ターミナルを開き、Spark shell でCData JDBC Driver for MarkLogic JAR file をjars パラメータに設定します:
$ spark-shell --jars /CData/CData JDBC Driver for MarkLogic/lib/cdata.jdbc.marklogic.jar
- Shell でJDBC URL を使ってMarkLogic に接続し、SQL Context load() function でテーブルを読み込みます。
User、Password、および Server に、アカウントの認証情報と接続するサーバーのアドレスを設定します。また、REST Server Port を指定する必要があります。
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、MarkLogic 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.marklogic.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 marklogic_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:marklogic:User='myusername';Password='mypassword';Server='http://marklogic';").option("dbtable","Customer").option("driver","cdata.jdbc.marklogic.MarkLogicDriver").load()
- 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。
MarkLogic をテンポラリーテーブルとして登録します:
scala> marklogic_df.registerTable("customer")
-
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> marklogic_df.sqlContext.sql("SELECT Name, TotalDue FROM Customer WHERE Id = 1").collect.foreach(println)
You will see the results displayed in the console, similar to the following:
CData JDBC Driver for MarkLogic をApache Spark で使って、MarkLogic 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。