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

CData JDBC Driver for AmazonMarketplace をインストール

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

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

   Amazon Marketplace Appstore 認証を使って接続が可能です。

   • Amazon Marketplace Appstore で、CData Amazon Marketplace Drivers のページを開きます。
   • 「今すぐ承認」をクリックしで、「次へ」と進みます。出品者ID などの必要情報を記入してCData Drivers にAmazon Marketplace データへのアクセス権を付与します。
   • 手続きが完了すると、「MWS 認証トークン」が取得できます。
   • CData Drivers の接続設定画面で「Marketplace」（任意のマーケットプレイスの国）、「Sellerid」（出品者ID）、「Mwsauthtoken」（先に取得したMWS 認証トークン）を入力して接続を行います。

   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、Amazon Marketplace 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.amazonmarketplace.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 amazonmarketplace_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:amazonmarketplace:Marketplace=Japan;Sellerid=mySellerId;Mwsauthtoken=amzn.mws.myAWSAuthToken;").option("dbtable","Orders").option("driver","cdata.jdbc.amazonmarketplace.AmazonMarketplaceDriver").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. Amazon Marketplace をテンポラリーテーブルとして登録します:

   scala> amazonmarketplace_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> amazonmarketplace_df.sqlContext.sql("SELECT AmazonOrderId, OrderStatus FROM Orders WHERE IsReplacementOrder = True").collect.foreach(println)

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

CData JDBC Driver for AmazonMarketplace をApache Spark で使って、Amazon Marketplace 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。