ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →CData
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 GoogleSpanner と組み合わせると、Spark はリアルタイムでGoogle Spanner 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Google Spanner 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Google Spanner と対話するための高いパフォーマンスを提供します。Google Spanner 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Google Spanner 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Google Spanner を操作して分析できます。
まずは、本記事右側のサイドバーからGoogleSpanner 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 --jars /CData/CData JDBC Driver for GoogleSpanner/lib/cdata.jdbc.googlespanner.jar
GoogleSpanner はOAuth 認証標準を利用しています。各ユーザーやドメイン内のユーザーの代わりに、CData 製品がGoogle API にアクセスすることを許可できます。詳しくは、ヘルプドキュメントの「OAuth の使用」を参照してください。
JDBC 接続文字列URL の作成には、Google Spanner 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.googlespanner.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 googlespanner_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlespanner:ProjectId='project1';InstanceId='instance1';Database='db1';").option("dbtable","Customer").option("driver","cdata.jdbc.googlespanner.GoogleSpannerDriver").load()
Google Spanner をテンポラリーテーブルとして登録します:
scala> googlespanner_df.registerTable("customer")
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> googlespanner_df.sqlContext.sql("SELECT Name, TotalDue FROM Customer WHERE Id = 1").collect.foreach(println)
コンソールで、次のようなGoogle Spanner データを取得できました!これでGoogle Spanner との連携は完了です。
CData JDBC Driver for GoogleSpanner をApache Spark で使って、Google Spanner 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。