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

CData JDBC Driver for ApachePhoenix をインストール

まずは、本記事右側のサイドバーからApachePhoenix 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Phoenix データに接続

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

   Phoenix Query Server 経由でApache Phoenix に接続します。デフォルトのポートと異なる場合は、Server とPort プロパティを設定してApache Phoenix に接続します。Servre プロパティは通常、Apache Phoenix をホストしているサーバーのホスト名またはIP アドレスです。

   Apache Phoenix への認証

   デフォルトでは、認証は使用されません（プレーン）。サーバーに認証が設定されている場合は、AuthScheme をNEGOTIATE に設定して、 必要な場合にはUser とPassword プロパティを設定して、Kerberos で認証します。

   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、Phoenix 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.apachephoenix.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 apachephoenix_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:apachephoenix:Server=localhost;Port=8765;").option("dbtable","MyTable").option("driver","cdata.jdbc.apachephoenix.ApachePhoenixDriver").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. Phoenix をテンポラリーテーブルとして登録します:

   scala> apachephoenix_df.registerTable("mytable")

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> apachephoenix_df.sqlContext.sql("SELECT Id, Column1 FROM MyTable WHERE Id = 123456").collect.foreach(println)

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

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