Apache Spark でNeo4J 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 Neo4j と組み合わせると、Spark はリアルタイムでNeo4J 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Neo4J 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Neo4J と対話するための高いパフォーマンスを提供します。Neo4J 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Neo4J 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Neo4J を操作して分析できます。

CData JDBC Driver for Neo4j をインストール

まずは、本記事右側のサイドバーからNeo4j 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Neo4J データに接続

1. ターミナルを開き、Spark shell でCData JDBC Driver for Neo4j JAR file をjars パラメータに設定します: $ spark-shell --jars /CData/CData JDBC Driver for Neo4j/lib/cdata.jdbc.neo4j.jar
2. Shell でJDBC URL を使ってNeo4J に接続し、SQL Context load() function でテーブルを読み込みます。

   Neo4j に接続するには、次の接続プロパティを設定します。

   • Server：Neo4j インスタンスをホスティングしているサーバー。
   • Port：Neo4j サービスが稼働しているポート。プロバイダーは、デフォルトでHTTP (7474) ポートに接続します。
   • User：Neo4j インスタンスを使用しているユーザーのユーザー名。
   • Password：Neo4j インスタンスを使用しているユーザーのパスワード。
   • Database：Neo4j インスタンスで対象とするデータベース。デフォルトは"neo4j" です。

   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、Neo4J 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.neo4j.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 neo4j_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:neo4j:Server=localhost;Port=7474;User=my_user;Password=my_password;").option("dbtable","ProductCategory").option("driver","cdata.jdbc.neo4j.Neo4jDriver").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. Neo4J をテンポラリーテーブルとして登録します:

   scala> neo4j_df.registerTable("productcategory")

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> neo4j_df.sqlContext.sql("SELECT CategoryId, CategoryName FROM ProductCategory WHERE CategoryOwner = CData Software").collect.foreach(println)

   コンソールで、次のようなNeo4J データを取得できました！これでNeo4J との連携は完了です。

CData JDBC Driver for Neo4j をApache Spark で使って、Neo4J 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。