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

CData JDBC Driver for Square をインストール

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

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

   Square OAuth 認証標準を使用します。OAuth を使用して認証するには、Square にアプリを登録してOAuthClientId、OAuthClientSecret、CallbackURL を入手します。OAuth の使用方法については、ヘルプドキュメントの「はじめに」セクションをご覧ください。

   追加でLocationId を指定する必要がある場合があります。Locations テーブルをクエリすることでLocations のId を取得できます。または、クエリの検索項目にLocationId を設定することもできます。

   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、Square 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.square.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 square_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:square:OAuthClientId=MyAppId;OAuthClientSecret=MyAppSecret;CallbackURL=http://localhost:33333;LocationId=MyDefaultLocation;").option("dbtable","Refunds").option("driver","cdata.jdbc.square.SquareDriver").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. Square をテンポラリーテーブルとして登録します:

   scala> square_df.registerTable("refunds")

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> square_df.sqlContext.sql("SELECT Reason, RefundedMoneyAmount FROM Refunds WHERE Type = FULL").collect.foreach(println)

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

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