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

CData JDBC Driver for Autify をインストール

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

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

   認証するには、ApiKey およびProjectId を指定する必要があります。

   • ApiKey：アカウントにログインし、「設定」->「個人設定」->に移動して「新しいパーソナルアクセストークン」を作成します。
   • ProjectId：アカウントURL にあるプロジェクトのId。例：URL が"https://app.autify.com/projects/343/scenarios" の場合は、343 がProjectId になります。

   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、Autify 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.autify.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 autify_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:autify:ProjectId=YOUR_PROJECT_ID;ApiKey=YOUR_API_KEY;").option("dbtable","Scenarios").option("driver","cdata.jdbc.autify.AutifyDriver").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. Autify をテンポラリーテーブルとして登録します:

   scala> autify_df.registerTable("scenarios")

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> autify_df.sqlContext.sql("SELECT Name, ProjectURL FROM Scenarios WHERE Id = 46292").collect.foreach(println)

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

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