ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →CData
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 AmazonDynamoDB と組み合わせると、Spark はリアルタイムでAmazon DynamoDB 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Amazon DynamoDB 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Amazon DynamoDB と対話するための高いパフォーマンスを提供します。Amazon DynamoDB 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Amazon DynamoDB 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Amazon DynamoDB を操作して分析できます。
まずは、本記事右側のサイドバーからAmazonDynamoDB 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 --jars /CData/CData JDBC Driver for AmazonDynamoDB/lib/cdata.jdbc.amazondynamodb.jar
Amazon DynamoDB への接続には、AccessKey、SecretKey、オプションでDomain とRegion を設定します。 AWS サービスアカウントのセキュリティクレデンシャルページでAccessKey とSecretKey を取得できます。 Region は、DynamoDB にログインしている時の左上に表示されています。
JDBC 接続文字列URL の作成には、Amazon DynamoDB 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.amazondynamodb.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 amazondynamodb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:amazondynamodb:Access Key=xxx;Secret Key=xxx;Domain=amazonaws.com;Region=OREGON;").option("dbtable","Lead").option("driver","cdata.jdbc.amazondynamodb.AmazonDynamoDBDriver").load()
Amazon DynamoDB をテンポラリーテーブルとして登録します:
scala> amazondynamodb_df.registerTable("lead")
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> amazondynamodb_df.sqlContext.sql("SELECT Industry, Revenue FROM Lead WHERE FirstName = Bob").collect.foreach(println)
コンソールで、次のようなAmazon DynamoDB データを取得できました!これでAmazon DynamoDB との連携は完了です。
CData JDBC Driver for AmazonDynamoDB をApache Spark で使って、Amazon DynamoDB 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。