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

CData JDBC Driver for Trello をインストール

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

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

   Trello は、トークンベース認証を使用して、サードパーティアプリケーションにAPI へのアクセスを許可します。ユーザーがアプリケーションにデータへのアクセスを許可すると、アプリケーションにはTrello のAPI へのリクエストに使用できるトークンが付与されます。 Trello のAPI には2通りの方法でアクセスできます。1つ目はTrello 独自の認可ルートで、2つ目はOAuth1.0 を使用する方法です。

   • 認可ルート: 登録の時点で、Trello はAPI キーとトークンをアカウントに割り当てます。認可ルート経由で接続する方法については、ヘルプドキュメントの「認可ルートの使用」を参照してください。
   • OAuth ルート: 認可の使用と同様に、OAuth は、アカウントの作成時にApplication Id とSecret を作成します。接続方法については、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

   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、Trello 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.trello.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 trello_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:trello:APIKey=myApiKey;Token=myGeneratedToken;").option("dbtable","Boards").option("driver","cdata.jdbc.trello.TrelloDriver").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. Trello をテンポラリーテーブルとして登録します:

   scala> trello_df.registerTable("boards")

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> trello_df.sqlContext.sql("SELECT BoardId, Name FROM Boards WHERE Name = Public Board").collect.foreach(println)

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

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