ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →PostgreSQL Driver の30日間無償トライアルをダウンロード
30日間の無償トライアルへ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 PostgreSQL と組み合わせると、Spark はリアルタイムでPostgreSQL 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PostgreSQL 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PostgreSQL と対話するための高いパフォーマンスを提供します。PostgreSQL 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PostgreSQL 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PostgreSQL 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PostgreSQL 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 PostgreSQL/lib/cdata.jdbc.postgresql.jar
PostgreSQL への接続には、Server、Port(デフォルトは5432)、Database、およびUser、Password のプロパティを設定します。Database プロパティが設定されない場合には、User のデフォルトデータベースに接続します。
パスワード方式によるSSH接続時に必要なプロパティ一覧を以下に示します。
接続文字列形式では以下のようになります。
User=admin;Password=adminpassword;Database=test;Server=postgresql-server;Port=5432;UseSSH=true;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHPassword=sshpasswd;
公開鍵認証によるSSH接続時に必要なプロパティ一覧を以下に示します。
接続文字列形式では以下のようになります。
User=admin;Password=adminpassword;Database=test;Server=PostgreSQL-server;Port=5432;UseSSH=true;SSHClientCertType=PEMKEY_FILE;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHClientCert=C:\Keys\key.pem;
JDBC 接続文字列URL の作成には、PostgreSQL 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.postgresql.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 postgresql_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:postgresql:User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5432;").option("dbtable","Orders").option("driver","cdata.jdbc.postgresql.PostgreSQLDriver").load()
PostgreSQL をテンポラリーテーブルとして登録します:
scala> postgresql_df.registerTable("orders")
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> postgresql_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)
コンソールで、次のようなPostgreSQL データを取得できました!これでPostgreSQL との連携は完了です。
CData JDBC Driver for PostgreSQL をApache Spark で使って、PostgreSQL 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。