Apache Spark でOracle 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 Oracle と組み合わせると、Spark はリアルタイムOracle 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Oracle 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Oracle と対話するための高いパフォーマンスを提供します。Oracle 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Oracle 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Oracle 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。

• Oracle にほかのBI、ETL、開発ツールから接続したい：Oracle データ連携ガイドおよびチュートリアルのリストへ
• Oracle Drivers について詳細を知りたい：ドライバー詳細情報ページへ
• ほかのデータソースに連携したい：CData Drivers 一覧へ
• ドライバーの30日の無償トライアル版を使いたい：トライアル版ダウンロードページへ
• 製品の利用やライセンスについて相談したい：sales@cdata.co.jp までメールにてご相談ください。

CData JDBC Driver for Oracle をインストール

CData JDBC Driver for Oracle 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Oracle データに接続

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

   Oracle への接続には、PATH variable をアップデートして、ネイティブDLL が含まれるフォルダロケーションが含まれていることを確認します。ネイティブDLL は、インストールディレクトリのlib フォルダにあります。完了したら次のプロパティを設定します：

   • Port: Oracle データベースをホストしているサーバーに接続するポート。
   • User: Oracle データベースに接続するユーザーのID。
   • Password: Oracle データベースに接続するユーザーのパスワード。
   • Service Name: Oracle データベースのサービス名。

   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、Oracle 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.oracleoci.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 oracleoci_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:oracleoci:User=myuser;Password=mypassword;Server=localhost;Port=1521;").option("dbtable","Customers").option("driver","cdata.jdbc.oracleoci.OracleOCIDriver").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. Oracle をテンポラリーテーブルとして登録します:

   scala> oracleoci_df.registerTable("customers")

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> oracleoci_df.sqlContext.sql("SELECT CompanyName, City FROM Customers WHERE Country = US").collect.foreach(println)

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

   

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