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

CData JDBC Driver for GoogleSearch をインストール

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

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

   Google カスタム検索エンジンを使って検索するには、CustomSearchId およびAPIKey 接続プロパティが必要です。

   CustomSearchId を取得するには、Google カスタム検索エンジンにサインインして検索エンジンを新規作成します。

   APIKey を取得するには、Google API Console でカスタム検索API を有効にします。

   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、Google Search 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.googlesearch.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 googlesearch_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlesearch:CustomSearchId=def456;ApiKey=abc123;").option("dbtable","VideoSearch").option("driver","cdata.jdbc.googlesearch.GoogleSearchDriver").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. Google Search をテンポラリーテーブルとして登録します:

   scala> googlesearch_df.registerTable("videosearch")

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> googlesearch_df.sqlContext.sql("SELECT Title, ViewCount FROM VideoSearch WHERE SearchTerms = WayneTech").collect.foreach(println)

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

CData JDBC Driver for GoogleSearch をApache Spark で使って、Google Search 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。