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

CData JDBC Driver for Shopify をインストール

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

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

   CData 製品のすべての機能を利用するには、AppId、Password、およびShopUrl 接続プロパティを指定します。

   これらの値を取得するには、Shopify への接続 を参照して、CData 製品をアプリケーションとしてShopify に登録します。

   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、Shopify 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.shopify.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 shopify_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:shopify:AppId=MyAppId;Password=MyPassword;ShopUrl=https://yourshopname.myshopify.com;").option("dbtable","Customers").option("driver","cdata.jdbc.shopify.ShopifyDriver").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. Shopify をテンポラリーテーブルとして登録します:

   scala> shopify_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> shopify_df.sqlContext.sql("SELECT FirstName, Id FROM Customers WHERE FirstName = jdoe1234").collect.foreach(println)

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

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