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

CData JDBC Driver for Zuora をインストール

まずは、本記事右側のサイドバーからZuora 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Zuora データに接続

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

   Zuora はユーザー認証にOAuth 標準を使用しています。OAuth 認証ついて詳しくは、オンラインヘルプドキュメントを参照してください。

   Tenant プロパティの設定

   プロバイダへの有効な接続を作成するには、アカウントの設定と合致するテナント値を1つ選択する必要があります。以下は、利用可能なオプションのリストです。
   • USProduction：リクエストはhttps://rest.zuora.com に送信されます。
   • USAPISandbox：リクエストはhttps://rest.apisandbox.zuora.com に送信されます。
   • USPerformanceTest：リクエストはhttps://rest.pt1.zuora.com に送信されます。
   • EUProduction：リクエストはhttps://rest.eu.zuora.com に送信されます。
   • EUSandbox：リクエストはhttps://rest.sandbox.eu.zuora.com に送信されます。

   デフォルトではUSProduction テナントを使用します。

   Zuora サービスの選択

   データクエリとAQuA API の2つのZuora サービスを使用します。デフォルトでは、ZuoraService はAQuADataExport に設定されています。

   DataQuery

   データクエリ機能は、非同期の読み取り専用SQL クエリを実行することで、Zuora テナントからのデータのエクスポートを実現します。 このサービスは、素早く軽量なSQL クエリでの使用を推奨します。

   制限

   • フィルタ適用後の、テーブルごとの入力レコードの最大数： 1,000,000
   • 出力レコードの最大数： 100,000
   • テナントごとの、実行用に送信される同時クエリの最大数： 5
   • テナントごとの、同時クエリの制限に達した後に実行用に送信され、キューに追加されるクエリの最大数： 10
   • 1時間単位での、各クエリの最大処理時間： 1
   • GB 単位での、各クエリに割り当てられるメモリの最大サイズ： 2
   • Index Join を使用する際のインデックスの最大値。言い換えれば、Index Join を使用する際にWHERE 句で使われる一意の値に基づいた、左のテーブルから返されるレコードの最大数： 20.000

   AQuADataExport

   AQuA API のエクスポートは、すべてのオブジェクト（テーブル）のすべてのレコードをエクスポートするように設計されています。AQuA のクエリジョブには以下の制限があります。

   制限

   • AQuA のジョブ内のクエリが8時間以上実行されている場合、ジョブは自動的に停止されます。
   • 停止されたAQuA のジョブは3回再試行可能で、その後失敗として返されます。

   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、Zuora 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.zuora.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 zuora_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:zuora:OAuthClientID=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;Tenant=USProduction;ZuoraService=DataQuery;").option("dbtable","Invoices").option("driver","cdata.jdbc.zuora.ZuoraDriver").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. Zuora をテンポラリーテーブルとして登録します:

   scala> zuora_df.registerTable("invoices")

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> zuora_df.sqlContext.sql("SELECT Id, BillingCity FROM Invoices WHERE BillingState = CA").collect.foreach(println)

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

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