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

CData JDBC Driver for LDAP をインストール

まずは、本記事右側のサイドバーからLDAP 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LDAP データに接続

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

   リクエストを認証するには、User およびPassword プロパティを有効なLDAP クレデンシャル（例えば、User を"Domain\BobF" または"cn=Bob F,ou=Employees,dc=Domain"）に設定します。 CData 製品は、デフォルトでプレーンテキスト認証を使用します。これは、CData 製品がサーバーとTLS/SSL のネゴシエーションを試みるためです。 AuthMechanism を使って別の認証方法を指定できます。 TLS/SSL コンフィギュレーションについて詳しくは、ヘルプドキュメントの「高度な設定」を参照してください。

   基本接続には、Server およびPort を設定します。さらに、次のように接続を微調整できます。
   • FollowReferrals：設定すると、CData 製品は参照サーバーのデータもビューとして表示します。参照サーバー上のデータを変更するには、このサーバーをServer およびPort で指定する必要があります。
   • LDAPVersion：サーバーが実装するプロトコルのバージョンに設定します。デフォルトでは、CData 製品はversion 2 を使用します。
   • BaseDN は、LDAP 検索の範囲を指定された識別名の高さに限定します。BaseDN の範囲を絞ることはパフォーマンスを劇的に向上させます。例えば、"cn=users,dc=domain" の値は、"cn=users" およびその子に含まれる結果のみを返します。
   • Scope：このプロパティを使用すると、サブツリーから返されるデータをより細かく制御できます。

   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、LDAP 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.ldap.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 ldap_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:ldap:User=Domain\BobF;Password=bob123456;Server=10.0.1.1;Port=389;").option("dbtable","User").option("driver","cdata.jdbc.ldap.LDAPDriver").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. LDAP をテンポラリーテーブルとして登録します:

   scala> ldap_df.registerTable("user")

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> ldap_df.sqlContext.sql("SELECT Id, LogonCount FROM User WHERE CN = Administrator").collect.foreach(println)

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

CData JDBC Driver for LDAP をApache Spark で使って、LDAP 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。