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

CData JDBC Driver for GoogleCM をインストール

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

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

   Google Campaign Manager 接続プロパティの取得・設定方法

   Google Campaign Manager への接続には、OAuth 認証標準を使います。ユーザーアカウントまたはサービスアカウントで認証できます。組織全体のアクセススコープをCData 製品に許可するには、サービスアカウントが必要です。

   詳細はヘルプドキュメントの「はじめに」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、Google Campaign Manager 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.googlecm.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 googlecm_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlecm:UserProfileID=MyUserProfileID;").option("dbtable","CampaignPerformance").option("driver","cdata.jdbc.googlecm.GoogleCMDriver").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. Google Campaign Manager をテンポラリーテーブルとして登録します:

   scala> googlecm_df.registerTable("campaignperformance")

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> googlecm_df.sqlContext.sql("SELECT Clicks, Device FROM CampaignPerformance WHERE Device = Mobile devices with full browsers").collect.foreach(println)

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

CData JDBC Driver for GoogleCM をApache Spark で使って、Google Campaign Manager 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。