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

CData JDBC Driver for API をインストール

まずは、本記事右側のサイドバーからAPI 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SmartHR のデータに接続

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

   SmartHR に接続するには、SmartHR API トークンとTenantId が必要です。API トークンはSmartHR のアプリケーション統合ページで生成できます。トークンを取得したら、ProfileSettings API Key 接続プロパティに指定してください。TenantId は自身のSmartHR ページのURL「https://1234567890.smarthr.jp/」で確認できます（ここでは「1234567890」）。もしSandbox 環境を使用する場合は、接続プロパティにUseSandbox=true を設定してください。

   次に、プロファイルをダウンロードしてドライバーがアクセス可能な場所に配置します。こちらからプロファイルをダウンロードして、「C:/profiles/」 などに設置してください。

   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、SmartHR 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.api.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 api_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:api:Profile=C:\profiles\SmartHR.apip;UseSandbox=false;ProfileSettings='APIKey=your_api_token;TenantId=1234567890;''").option("dbtable","Departments").option("driver","cdata.jdbc.api.APIDriver").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. SmartHR をテンポラリーテーブルとして登録します:

   scala> api_df.registerTable("departments")

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> api_df.sqlContext.sql("SELECT Name, Position FROM Departments WHERE Id = 1").collect.foreach(println)

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

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