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

CData JDBC Driver for Slack をインストール

まずは、本記事右側のサイドバーからSlack 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Slack データに接続

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

   接続情報の取得

   Slack はOAuth 認証標準を利用しています。OAuth を使って認証するには、Slack 側でアプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得してください。 認証方法については、ヘルプドキュメントの「Slack 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、Slack 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.slack.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 slack_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:slack:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:33333;").option("dbtable","Channels").option("driver","cdata.jdbc.slack.SlackDriver").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. Slack をテンポラリーテーブルとして登録します:

   scala> slack_df.registerTable("channels")

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> slack_df.sqlContext.sql("SELECT Id, Name FROM Channels WHERE IsPublic = True").collect.foreach(println)

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

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