SAS でCData ODBC Driver for Spark を使用

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。

SAS は、高度なアナリティクス、多変量解析、BI、データ管理、予測分析のためのソフトウェアです。SAS とCData ODBC Driver for SparkSQL を合わせて使うことで、SAS からリアルタイムSpark のデータへデータベースライクにアクセスできるようになり、レポーティング、分析能力を向上できます。本記事では、SAS でSpark のライブラリを作成し、リアルタイムSpark に基づいたシンプルなレポートを作成します。

CData ODBC ドライバーは、ドライバーに組み込まれた最適化されたデータ処理により、SAS でリアルタイムSpark のデータを送受信する場合に圧倒的なパフォーマンスを提供します。SAS からSpark 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のサポートされているSQL 操作をSpark に直接プッシュし、組み込みSQL エンジンを利用して、サポートされていない操作（一般的にはSQL 関数と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、SAS でSpark を簡単にビジュアライズおよび分析できます。

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.SAS 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。

以下は、Spark に接続するための情報と、Windows およびLinux 環境でDSN を構成するためのステップです。

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）。

DSN を構成する際に、Max Rows プロパティを定めることも可能です。これによって返される行数を制限するため、ビジュアライゼーション・レポートのデザイン時のパフォーマンスを向上させるのに役立ちます。

Windows

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。

Linux

Linux 環境にCData ODBC Driver for SparkSQL をインストールする場合、ドライバーのインストールによりシステムDSN が事前定義されます。システムデータソースファイル(/etc/odbc.ini) を編集し、必要な接続プロパティを定義することで、DSN を変更できます。

/etc/odbc.ini

これらの構成ファイルの使用に関する具体的な情報については、ヘルプドキュメントを参照してください。

SAS でSpark ライブラリを作成

CData ODBC Driver for SparkSQL に基づくライブラリを追加することで、SAS でSpark に接続します。

1. SAS を開き、［Explorer］ペインで［Libraries］を展開します。
2. ［Active Libraries］ウィンドウで右クリックし、［New］を選択します。
3. ライブラリに名前を付け（odbclib）、Engine としてODBC を選択し、ライブラリをセッション間で保持する場合は［Enable at startup］をクリックします。
4. Data Source を以前構成したDSN に設定し、［OK］をクリックします。

Spark クエリからビューを作成

SAS は、ローコードのポイントアンドクリッククエリツールを使用するか、PROC SQL とカスタムSQL クエリのプログラムを使うことで、データのクエリをネイティブにサポートします。SAS でビューを作成すると、ビューがクエリされるたびに定義クエリが実行されます。これは、レポート、チャート、分析について常にリアルタイムSpark のデータにクエリを実行することを意味します。

クエリツールの使用

1. SAS で［Tools］->［Query］と進みます。
2. データをプルするテーブルソースとテーブルを選択し、［OK］をクリックします。
3. カラムを選択し、右クリックしてフィルタリング、順序付け、グループ化などを追加します。
4. ［SQL Query Tool］ウィンドウを右クリックして［Show Query］を選択し、［Create View］をクリックして、クエリの結果を含むローカルビューを作成します。ビューに名前を付け、［OK］ をクリックします。

PROC SQL の使用

1. SAS で、［Editor］ウィンドウに移動します。
2. PROC SQL を使用してデータをクエリし、ローカルビューを作成します。
   Note：このステップにより、［Work］ライブラリにビューが作成されます。オプションとして、create view ステートメントでライブラリを指定できます。

   proc sql;
     create view customers_view as
     select
       city,
       balance
     from
       odbclib.customers
     where
       Country = 'US';
   quit;
   

3. ［Run］->［Submit］とクリックしてクエリを実行し、ローカルビューを作成します。

SAS のSpark のデータに関するレポートまたはビジュアライズ

ローカルビューを作成すると、パワフルなSAS 機能を使用してSpark のデータをレポート、ビジュアライズ、またはその他の方法で分析できます。PROC PRINT を使用して簡単なレポートを印刷し、PROC GCHART を使用してデータに基づいた基本的なグラフを作成しましょう。

HTML を印刷

1. SAS で、［Editor］ウィンドウに移動します。
2. PROC PRINT を使用してSpark Customers データのHTML レポートを印刷します。

   proc print data=customers;
     title "Spark Customers Data";
   run;
   

チャートを印刷

1. SAS で、［Editor］ウィンドウに移動します。
2. PROC GCHART を使用してCustomers データのチャートを作成します。

   proc gchart data=customers;
     pie city / sumvar=balance
         value=arrow
         percent=arrow
         noheading
         percent=inside plabel=(height=12pt)
         slice=inside value=none
         name='CustomersChart';
   run;
   

Spark からSAS 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。