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

CData JDBC Driver for AlloyDB をインストール

まずは、本記事右側のサイドバーからAlloyDB 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AlloyDB のデータに接続

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

   AlloyDB 接続プロパティの取得・設定方法

   AlloyDB に接続するには、次の接続プロパティが必要です。

   • Server：AlloyDB データベースをホスティングしているサーバーのホスト名またはIP アドレス。
   • Port（オプション）：AlloyDB データベースをホスティングしているサーバーのポート。このプロパティはデフォルトで5432に設定されます。
   • User：AlloyDB サーバーに認証する際に使われるユーザー。
   • Password：AlloyDB サーバーに認証する際に使われるパスワード。
   • Database（オプション）：AlloyDB サーバーに接続する場合のデータベース。設定されていない場合は、ユーザーのデフォルトデータベースが使用されます。

   AlloyDB への認証

   標準認証

   標準認証（事前に提供されたユーザーとパスワードの組み合わせを使用）は、デフォルトの認証形式です。

   標準認証で接続する場合は、これ以上のアクションは必要ありません。

   pg_hba.conf 認証スキーム

   CData 製品がサポートしている他の認証方法では、AlloyDB サーバー上のpg_hba.conf ファイルで有効化する必要があります。

   AlloyDB サーバーでの認証の設定については、こちらを参照してください。

   MD5

   pg_hba.conf ファイルのauth-method をmd5 に設定すると、MD5 パスワード検証を使用して認証できます。

   SASL

   CData 製品は、SASL（特にSCRAM-SHA-256）でパスワードを検証することで認証できます。

   この認証方法を使用するには、pg_hba.conf ファイルのauth-method をscram-sha-256 に設定します。

   Kerberos

   Kerberos 認証は、CData 製品が接続を試行している際にAlloyDB サーバーで開始されます。この認証方法を有効化するには、AlloyDB サーバーでKerberos を設定します。AlloyDB サーバーでのKerberos 認証の設定を完了したら、CData 製品からKerberos 認証を行う方法については、ヘルプドキュメントの「Kerberos の使用」セクション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、AlloyDB 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.alloydb.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 alloydb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:alloydb:User=alloydb;Password=admin;Database=alloydb;Server=127.0.0.1;Port=5432").option("dbtable","Orders").option("driver","cdata.jdbc.alloydb.AlloyDBDriver").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. AlloyDB をテンポラリーテーブルとして登録します:

   scala> alloydb_df.registerTable("orders")

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> alloydb_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

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

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