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

CData JDBC Driver for Reckon をインストール

まずは、本記事右側のサイドバーからReckon 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Reckon データに接続

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

   ローカルReckon インスタンスに接続する場合は、接続プロパティを設定する必要はありません。

   CData 製品は、リモートコネクタ経由でReckon にリクエストを作成します。Remote Connector はReckon と同じマシン上で動作し、軽量の組み込みWeb サーバーを介して接続を受け入れます。サーバーはSSL/TLS をサポートし、ユーザーにリモートマシンからのセキュアな接続を可能にします。

   初めて組織ファイルに接続するときは、リモートコネクタをReckon で認可する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。

   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、Reckon 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.reckon.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 reckon_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:reckon:User=RCUser;Password=RCUserPassword;URL=http://remotehost:8166;").option("dbtable","Customers").option("driver","cdata.jdbc.reckon.ReckonDriver").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. Reckon をテンポラリーテーブルとして登録します:

   scala> reckon_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> reckon_df.sqlContext.sql("SELECT Name, CustomerBalance FROM Customers WHERE Type = Commercial").collect.foreach(println)

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

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