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

CData JDBC Driver for SSAS をインストール

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

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

   接続するには、Url プロパティを有効なSQL Server Analysis Services エンドポイントに設定して認証を提供します。XMLA アクセスを使用して、HTTP 経由でホストされているSQL Server Analysis Services インスタンスに接続できます。 Microsoft ドキュメント configure HTTP access を参照してSQL Server Analysis Services に接続してください。

   SQL をSQL Server Analysis Services に実行するには、ヘルプドキュメントの「Analysis Services データの取得」を参照してください。接続ごとにメタデータを取得する代わりに、CacheLocation を設定できます。

   • HTTP 認証

     AuthScheme を"Basic" または"Digest" に設定してUser とPassword を設定します。CustomHeaders に他の認証値を指定します。

   • Windows (NTLM)

     Windows のUser とPassword を設定して、AuthScheme をNTLM に設定します。

   • Kerberos およびKerberos Delegation

     Kerberos を認証するには、AuthScheme をNEGOTIATE に設定します。Kerberos 委任を使うには、AuthScheme をKERBEROSDELEGATION に設定します。必要があれば、User、Password およびKerberosSPN を設定します。デフォルトでは、CData 製品は指定されたUrl でSPN と通信しようと試みます。

   • SSL/TLS:

     デフォルトでは、CData 製品はサーバーの証明書をシステムの信頼できる証明書ストアと照合してSSL/TLS のネゴシエーションを試みます。別の証明書を指定するには、利用可能なフォーマットについてヘルプドキュメントの「SSLServerCert」プロパティを参照してください。

   接続を設定したら、その後はあらゆるキューブを二次元テーブルとして扱うことができます。データに接続する際にCData 製品がSSAS のメタデータを取得して、動的にテーブルスキーマを更新します。 「CacheLocation」プロパティを設定すれば自動でファイルにキャッシュを作成するので、接続時に毎回メタデータを取得する必要もなくなります。

   詳細は、ヘルプドキュメントの「Retrieving Analysis Services Data」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、SQL Analysis Services 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.ssas.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 ssas_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:ssas:User=myuseraccount;Password=mypassword;URL=http://localhost/OLAP/msmdpump.dll;").option("dbtable","Adventure_Works").option("driver","cdata.jdbc.ssas.SSASDriver").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. SQL Analysis Services をテンポラリーテーブルとして登録します:

   scala> ssas_df.registerTable("adventure_works")

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> ssas_df.sqlContext.sql("SELECT Fiscal_Year, Sales_Amount FROM Adventure_Works WHERE Fiscal_Year = FY 2008").collect.foreach(println)

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

CData JDBC Driver for SSAS をApache Spark で使って、SQL Analysis Services 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。