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

CData JDBC Driver for MySQL をインストール

CData JDBC Driver for MySQL 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MySQL データに接続

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

   Server およびPort プロパティがMySQL への接続には必須です。IntegratedSecurity をFALSE に設定した場合、User、Password も必須になります。 オプションで、Database を設定することもできます。Database は設定がない場合すべてのデータベースを使えるようになります。

   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、MySQL 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.mysql.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 mysql_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:mysql:User=myUser;Password=myPassword;Database=NorthWind;Server=myServer;Port=3306;").option("dbtable","Orders").option("driver","cdata.jdbc.mysql.MySQLDriver").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. MySQL をテンポラリーテーブルとして登録します:

   scala> mysql_df.registerTable("orders")

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> mysql_df.sqlContext.sql("SELECT ShipName, Freight FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

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

   

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