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

CData JDBC Driver for AzureAD をインストール

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

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

   Azure Active Directory はOAuth 認証を使用します。OAuth で認証するには、OAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得するアプリを作成する必要があります。認証手順は、ヘルプドキュメントのOAuth 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、Azure Active Directory 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.azuread.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 azuread_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:azuread:OAuthClientId=MyApplicationId;OAuthClientSecret=MySecretKey;CallbackURL=http://localhost:33333;").option("dbtable","Domains").option("driver","cdata.jdbc.azuread.AzureADDriver").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. Azure Active Directory をテンポラリーテーブルとして登録します:

   scala> azuread_df.registerTable("domains")

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> azuread_df.sqlContext.sql("SELECT id, availabilityStatus FROM Domains WHERE isVerified = TRUE").collect.foreach(println)

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

CData JDBC Driver for AzureAD をApache Spark で使って、Azure Active Directory 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。