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

CData JDBC Driver for YahooDS をインストール

まずは、本記事右側のサイドバーからYahooDS 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Yahoo! JAPAN DATA SOLUTION データに接続

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

   認証するには、次のプロパティを指定する必要があります。

   • AppID：アプリケーションID は認証に使用されます。取得するには、Yahoo! JAPAN データソリューションのサポートチームにリクエストを送信してください。

   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、Yahoo! JAPAN DATA SOLUTION 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.yahoods.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 yahoods_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:yahoods:AppID=12345678-1234-1234-1234-123456789012;").option("dbtable","SearchRanking").option("driver","cdata.jdbc.yahoods.YahooDSDriver").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. Yahoo! JAPAN DATA SOLUTION をテンポラリーテーブルとして登録します:

   scala> yahoods_df.registerTable("searchranking")

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> yahoods_df.sqlContext.sql("SELECT Rank, Volume FROM SearchRanking WHERE SearchKeyword = yahoo").collect.foreach(println)

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

CData JDBC Driver for YahooDS をApache Spark で使って、Yahoo! JAPAN DATA SOLUTION 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。