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

CData JDBC Driver for Redis をインストール

まずは、本記事右側のサイドバーからRedis 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Redis のデータに接続

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

   次の接続プロパティを設定し、Redis インスタンスに接続します。

   • Server: Redis インスタンスが実行されているサーバーの名前またはアドレスに設定します。Port でポートを指定できます。
   • Password: Redis AUTH コマンドを使用するパスワード保護されたRedis インスタンスへの認証に使用されるパスワードに設定します。

   UseSSL を設定すると、接続時にSSL/TLS 暗号化をネゴシエートできます。

   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、Redis 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.redis.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 redis_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:redis:Server=127.0.0.1;Port=6379;Password=myPassword;").option("dbtable","Customers").option("driver","cdata.jdbc.redis.RedisDriver").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. Redis をテンポラリーテーブルとして登録します:

   scala> redis_df.registerTable("customers")

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> redis_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Country = US").collect.foreach(println)

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

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