各製品の資料を入手。
詳細はこちら →CData
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 Office365 と組み合わせると、Spark はリアルタイムでOffice 365 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Office 365 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Office 365 と対話するための高いパフォーマンスを提供します。Office 365 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Office 365 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Office 365 を操作して分析できます。
まずは、本記事右側のサイドバーからOffice365 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 --jars /CData/CData JDBC Driver for Office365/lib/cdata.jdbc.office365.jar
Office 365 はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得しなければなりません。認証方法については、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。
JDBC 接続文字列URL の作成には、Office 365 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.office365.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 office365_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:office365:OAuthClientId=MyApplicationId;OAuthClientSecret=MyAppKey;OAuthCallbackURL=http://localhost:33333;").option("dbtable","Files").option("driver","cdata.jdbc.office365.Office365Driver").load()
Office 365 をテンポラリーテーブルとして登録します:
scala> office365_df.registerTable("files")
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> office365_df.sqlContext.sql("SELECT Name, Size FROM Files WHERE UserId = 54f34750-0d34-47c9-9949-9fac4791cddb").collect.foreach(println)
コンソールで、次のようなOffice 365 データを取得できました!これでOffice 365 との連携は完了です。
CData JDBC Driver for Office365 をApache Spark で使って、Office 365 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。