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

CData JDBC Driver for PayPal をインストール

まずは、本記事右側のサイドバーからPayPal 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PayPal データに接続

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

   CData 製品は、2つのPayPal API のテーブルを表示します。API は異なる認証方法を使用します。

   • REST API はOAuth 標準を使用します。REST API を認証するには、OAuthClientId、OAuthClientSecret、CallbackURL プロパティを設定する必要があります。
   • Classic API にはSignature API 認証情報が必要です。Classic API を認証するにはUsername、Password、およびSignature プロパティを設定する必要があります。

   必要なAPI 資格情報の取得については、ヘルプドキュメントの「はじめに」を参照してください。

   使用するAPI を選択するには、Schema プロパティをREST またはSOAP に設定します。デフォルトでは、SOAP スキーマが使われます。

   テスト目的では、UseSandbox をtrue に設定してSandbox 資格情報を使用できます。

   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、PayPal 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.paypal.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 paypal_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:paypal:Schema=SOAP;Username=sandbox-facilitator_api1.test.com;Password=xyz123;Signature=zx2127;").option("dbtable","Transactions").option("driver","cdata.jdbc.paypal.PayPalDriver").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. PayPal をテンポラリーテーブルとして登録します:

   scala> paypal_df.registerTable("transactions")

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> paypal_df.sqlContext.sql("SELECT Date, GrossAmount FROM Transactions WHERE TransactionClass = Received").collect.foreach(println)

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

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