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

CData JDBC Driver for SurveyMonkey をインストール

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

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

   SurveyMonkey はOAuth 2 認証標準を利用しています。SurveyMonkey がアンケートの回答を読むためにこれを必要とすることを考えると、アンケートを読むアカウントには有料プランのサブスクリプションが必要です。

   SurveyMonkey への接続に使用できる認証方法は2つあります。

   • プライベートoauth アプリケーションを登録するときに、パーソナルアクセストークンを使用します。
   • パブリックoauth アプリケーションを登録するときに、OAuth を使用します。

   パーソナルアクセストークンの使用

   個人用トークンを使用して、自分のデータをテストし、アクセスします。個人用トークンを取得するには、ヘルプの「Creating a Custom OAuth App」の手順に従って、次の接続プロパティを設定します。

   • OAuthAccessToken：アプリケーション設定で生成されたAccessToken に設定。
   • InitiateOAuth：OFF に設定。

   OAuth の使用

   CData 製品はすでにSurveyMonkey にOAuth アプリケーションとして登録されています。そのため、デフォルトでは、自動的に埋め込みクレデンシャルを使用して接続します。

   独自のカスタムOAuth アプリを使用したい場合は、ヘルプのCustom Credentials 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、SurveyMonkey 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.surveymonkey.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 surveymonkey_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:surveymonkey:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;").option("dbtable","MySurvey_Responses").option("driver","cdata.jdbc.surveymonkey.SurveyMonkeyDriver").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. SurveyMonkey をテンポラリーテーブルとして登録します:

   scala> surveymonkey_df.registerTable("mysurvey_responses")

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> surveymonkey_df.sqlContext.sql("SELECT RespondentId, ChoiceId FROM MySurvey_Responses WHERE ChoiceText = blue").collect.foreach(println)

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

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