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

CData JDBC Driver for SAPHANA をインストール

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

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

   Server、Database、およびPort プロパティを設定して、対話するSAP Hana データベースのアドレスを指定します。User およびPassword プロパティを設定してサーバーへ認証します。

   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、SAP HANA 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.saphana.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 saphana_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:saphana:User=system;Password=mypassword;Server=localhost;Database=systemdb;").option("dbtable","Buckets").option("driver","cdata.jdbc.saphana.SAPHANADriver").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. SAP HANA をテンポラリーテーブルとして登録します:

   scala> saphana_df.registerTable("buckets")

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> saphana_df.sqlContext.sql("SELECT Name, OwnerId FROM Buckets WHERE Name = TestBucket").collect.foreach(println)

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

CData JDBC Driver for SAPHANA をApache Spark で使って、SAP HANA 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。