PowerPivot でSpark のデータを連携して取得し分析

こんにちは！ドライバー周りのヘルプドキュメントを担当している古川です。

ODBC プロトコルは多くのBI および帳票ツールで多様なデータベースのデータにアクセスするために使われています。CData ODBC Drive を使って、簡単にSpark をデータ連携できます。この記事では、CData Driver for SparkSQL を使ってPowerPivot にデータをインポートします。

CData ODBC ドライバとは？

CData ODBC ドライバは、以下のような特徴を持ったリアルタイムデータ連携ソリューションです。

1. Spark をはじめとする、CRM、MA、会計ツールなど多様なカテゴリの270種類以上のSaaS / オンプレミスデータソースに対応
2. 多様なアプリケーション、ツールにSpark のデータを連携
3. ノーコードでの手軽な接続設定
4. 標準 SQL での柔軟なデータ読み込み・書き込み

CData ODBC ドライバでは、1.データソースとしてSpark の接続を設定、2.PowerPivot 側でODBC Driver との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。

CData ODBC ドライバのインストールとSpark への接続設定

まずは、本記事右側のサイドバーからSparkSQL ODBC 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。

1. 接続プロパティが未設定の場合には、DSN（データソース名）の設定を行います。Microsoft ODBC データソースアドミニストレーターを使ってODBC DSN を作成および設定できます。

   未指定の場合は、初めにODBC DSN (data source name) で接続プロパティを指定します。ドライバーのインストールの最後にアドミニストレーターが開きます。Microsoft ODBC Data Source Administrator を使用して、ODBC DSN を作成および構成できます。

   SparkSQL への接続

   SparkSQL への接続を確立するには以下を指定します。

   • Server：SparkSQL をホストするサーバーのホスト名またはIP アドレスに設定。
   • Port：SparkSQL インスタンスへの接続用のポートに設定。
   • TransportMode：SparkSQL サーバーとの通信に使用するトランスポートモード。有効な入力値は、BINARY およびHTTP です。デフォルトではBINARY が選択されます。
   • AuthScheme：使用される認証スキーム。有効な入力値はPLAIN、LDAP、NOSASL、およびKERBEROS です。デフォルトではPLAIN が選択されます。

   Databricks への接続

   Databricks クラスターに接続するには、以下の説明に従ってプロパティを設定します。Note：必要な値は、「クラスター」に移動して目的のクラスターを選択し、 「Advanced Options」の下にある「JDBC/ODBC」タブを選択することで、Databricks インスタンスで見つけることができます。

   • Server：Databricks クラスターのサーバーのホスト名に設定。
   • Port：443
   • TransportMode：HTTP
   • HTTPPath：Databricks クラスターのHTTP パスに設定。
   • UseSSL：True
   • AuthScheme：PLAIN
   • User：'token' に設定。
   • Password：パーソナルアクセストークンに設定（値は、Databricks インスタンスの「ユーザー設定」ページに移動して「アクセストークン」タブを選択することで取得できます）。

   Microsoft ODBC データソースアドミニストレーターで必要なプロパティを設定する方法は、ヘルプドキュメントの「はじめに」を参照してください。

2. Excel で［PowerPivot］タブの［管理］アイコンをクリックしてPowerPivot を開きます。

3. ［外部データソースの取り込み］から［その他のソース］ボタンをクリックします。

4. OLEDB/ODBC ソースオプションを選択して、［次へ］をクリックします。
5. ［ビルド］をクリックして［データリンクプロパティ］ダイアログを開きます。このダイアログでは、DSN に基づいて自動的に接続文字列がビルドされます。
6. ［プロバイダー］タブで［Microsoft OLEDB Provider for ODBC Drivers］オプションを選択します。
7. ［接続］タブで［データソース名を使用する］オプションを選択して、メニューからSpark DSN を選択します。CData Spark Source DSN はインストール時に作成されます。

Spark のデータをインポート

下記の手順に従って、ウィザードを使ってSpark のテーブルからデータをロードします。Spark のカラムをウィザードを使って選択、フィルタ、およびソートすると、PowerPivot は実行されるクエリを生成します。

1. ［テーブルのインポートウィザード］でDSN を選択してから、［テーブルとビューの一覧から選択し、インポートするデータを選択する］オプションを選択すると、Spark で利用できるテーブルとビューのリストを見ることができます。
2. ［プレビューとフィルター］をクリックして特定のカラムを選択、データをソート、およびフィルタをカラム値に基づいて視覚的にビルドします。

カスタムクエリインポート

インポートするテーブルを選ぶ以外に、特定のカラムをインポートするクエリの指定やフィルタの定義もできます。ドライバーは元になるSpark API に相当する、シンプルで直観的なSQL ダイアレクトをサポートします。

1. ［テーブルのインポートウィザード］でDSN を選択してから、［インポートするデータを指定するクエリを記述する］オプションを選択してクエリを書きます。

2. ［SQL ステートメント］ボックスにクエリを入れます。［検証］をクリックしてクエリステートメントが有効かどうかを確認します。［デザイン］をクリックして結果をプレビューし、インポートする前にクエリを直します。

   WHERE 句を使ってフィルタライテリアクを指定できます。利用可能なSQL 機能の例については、ヘルプドキュメントの「サポートされるSQL」を参照してください。

3. ウィザードを終了して選んだクエリでデータをインポートします。

Spark からPowerPivot へのデータ連携には、ぜひCData ODBC ドライバをご利用ください

このようにCData ODBC ドライバと併用することで、270を超えるSaaS、NoSQL データをコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。

CData ODBC ドライバは日本のユーザー向けに、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。