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

CData JDBC Driver for SybaseIQ をインストール

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

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

   SybaseIQ への接続には、User、Password、Server、Database のプロパティを設定します。TLS/SSL を有効化するには、UseSSL をTRUE に設定します。

   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、Sybase IQ 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.sybaseiq.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 sybaseiq_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:sybaseiq:User=myuser;Password=mypassword;Server=localhost;Database=Northwind").option("dbtable","Products").option("driver","cdata.jdbc.sybaseiq.SybaseIQDriver").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. Sybase IQ をテンポラリーテーブルとして登録します:

   scala> sybaseiq_df.registerTable("products")

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> sybaseiq_df.sqlContext.sql("SELECT ProductName, Price FROM Products WHERE ProductName = Konbu").collect.foreach(println)

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

CData JDBC Driver for SybaseIQ をApache Spark で使って、Sybase IQ 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。