今すぐお試しください!

製品の詳細CData JDBC Driver for Amazon Redshift を確認して、無償評価版をダウンロード:

今すぐダウンロード

Apache Spark でRedshift データをSQL で操作

CData JDBC ドライバーを使用して、Apache Spark でRedshift にデータ連携。

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

CData JDBC Driver for Redshift をインストール

CData JDBC Driver for Redshift 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Redshift データに接続

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

    Redshift への接続には次を設定します:

    • Server: 接続するデータベースをホストしているクラスタのホスト名およびIP アドレス。
    • Port: クラスタのポート。
    • Database: データベース名、ブランクの場合ユーザーのデフォルトデータベースになります。
    • User: ユーザー名。
    • Password: ユーザーのパスワード。

    Server およびPort の値はAWS の管理コンソールで取得可能です:

    1. Amazon Redshift console (http://console.aws.amazon.com/redshift) を開く。
    2. Clusters ページで、クラスタ名をクリック。
    3. クラスタのConfiguration タブで、表示された接続文字列からクラスタのURL をコピーします。

      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、Redshift 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.redshift.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 redshift_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:redshift:User=admin;Password=admin;Database=dev;Server=examplecluster.my.us-west-2.redshift.amazonaws.com;Port=5439;").option("dbtable","Orders").option("driver","cdata.jdbc.redshift.RedshiftDriver").load()
    4. 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。
    5. Redshift をテンポラリーテーブルとして登録します:

      scala> redshift_df.registerTable("orders")
    6. 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> redshift_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

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

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

 
 
ダウンロード