Apache Spark でTeradata データをSQL で操作

Apache Spark は大規模データ処理のための高速で一般的なエンジンです。CData JDBC Driver for Teradata と組み合わせると、Spark はリアルタイムTeradata にデータ連携して処理ができます。ここでは、Spark シェルに接続してTeradata をクエリする方法について説明します。

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Teradata と対話するための高いパフォーマンスを提供します。Teradata 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Teradata 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Teradata を操作して分析できます。

CData JDBC Driver for Teradata をインストール

CData JDBC Driver for Teradata インストーラをダウンロードし、パッケージを解凍し、JAR ファイルを実行してドライバーをインストールします。

Spark Shell を起動してTeradata データに接続

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

   Teradata に接続するには、次の認証情報を提供し、データベースサーバー名を指定します。

   • User: Teradata ユーザーのユーザー名に設定。
   • Password: Teradata ユーザーのパスワードに設定。
   • DataSource: Teradata サーバー名、DBC 名、またはTDPID を指定。
   • Port: サーバーが実行されているポートを指定。
   • Database: データベース名を指定。指定されない場合は、本製品はデフォルトデータベースに接続されます。

   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、Teradata 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.teradata.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 teradata_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:teradata:User=myuser;Password=mypassword;Server=localhost;Database=mydatabase;").option("dbtable","NorthwindProducts").option("driver","cdata.jdbc.teradata.TeradataDriver").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. Teradata をテンポラリーテーブルとして登録します:

   scala> teradata_df.registerTable("northwindproducts")

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> teradata_df.sqlContext.sql("SELECT ProductId, ProductName FROM NorthwindProducts WHERE CategoryId = 5").collect.foreach(println)

   You will see the results displayed in the console, similar to the following:

   

CData JDBC Driver for Teradata をApache Spark で使って、Teradata 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。是非、30日の無償試用版 をダウンロードしてお試しください。