Redshift データをR で分析

Pure R スクリプトおよび 標準SQL を使ってRedshift にアクセス。CData ODBC Driver for Redshift とRODBC package を使って、R でリモートRedshift を利用できます。CData Driver を使うことで、オープンソースでポピュラーなR 言語のデータにアクセスできます。この記事では、ドライバーを使ってRedshift にSQL クエリを実行する方法、およびR でRedshift をビジュアライズする方法について説明します。

R をインストール

マルチスレッドのMicrosoft R Open を実行すること、またはBLAS/LAPACK ライブラリにリンクされたオープンR を実行することによって、マルチスレッドおよびマネージドコードからドライバーのパフォーマンスにマッチできます。ここでは、Microsoft R Open 3.2.3 を使用します。CRAN レポジトリのJan. 1, 2016 snapshot からパッケージをインストールするために事前設定されています。このsnapshot は再現性を保証します。

Redshift ODBC Data Source としてRedshift に連携

接続プロパティの指定がまだの場合は、まずODBC DSN （データソース名）で接続設定を行います。これはドライバーのインストール時に自動的に立ち上がります。Microsoft ODBC データソースアドミニストレーターを使ってODBC DSN を作成および設定できます。

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。

   RODBC パッケージをロード

   ドライバーを使うにはRODBC パッケージをダウンロードします。RStudio で［Tools］>［Install Packages］をクリックし、RODBC を［Packages］ボックスに入力します。

   RODBC パッケージをインストールしたら、次のコードを入力してパッケージをロードします。

   library(RODBC)

   ODBC データソースとしてRedshift データに連携

   次のコードを使ってR のDSN に接続できます：

   conn <- odbcConnect("CData Redshift Source")

   スキーマ検出

   ドライバーはRedshift API をリレーショナルデータベース、ビュー、ストアドプロシージャとしてモデル化します。次のコードを使ってテーブルリストを検出します。

   sqlTables(conn)

   SQL クエリの実行

   sqlQuery 関数を使ってRedshift API がサポートするすべてのSQL クエリを実行します。

   orders <- sqlQuery(conn, "SELECT ShipName, ShipCity FROM Orders", believeNRows=FALSE, rows_at_time=1)

   次のコマンドを使って、結果を［data viewer］ウィンドウで見ることができます。

   View(orders)

   Redshift データをプロット

   これで、CRAN レポジトリで利用可能なあらゆるデータビジュアライゼーションパッケージを使ってRedshift を分析できます。ビルトインのbar plot 関数を使って簡単なバーを作成できます：

   par(las=2,ps=10,mar=c(5,15,4,2)) barplot(orders$ShipCity, main="Redshift Orders", names.arg = orders$ShipName, horiz=TRUE)