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

CData JDBC Driver for SendGrid をインストール

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

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

   SendGrid への接続をして、機能を利用するには、User およびPassword 接続プロパティを指定します。

   制限された機能への接続には、APIKey 接続プロパティを代わりに設定します。詳しくは、ヘルプドキュメントの「Sendgrid への接続」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、SendGrid 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.sendgrid.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 sendgrid_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:sendgrid:User=admin;Password=abc123;").option("dbtable","AdvancedStats").option("driver","cdata.jdbc.sendgrid.SendGridDriver").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. SendGrid をテンポラリーテーブルとして登録します:

   scala> sendgrid_df.registerTable("advancedstats")

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> sendgrid_df.sqlContext.sql("SELECT Name, Clicks FROM AdvancedStats WHERE Type = Device").collect.foreach(println)

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

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