Apache Spark でAirtable のデータをSQL で操作する方法

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

CData JDBC Driver for Airtable をインストール

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

1. ターミナルを開き、Spark shell でCData JDBC Driver for Airtable JAR file をjars パラメータに設定します:

   $ spark-shell --jars /CData/CData JDBC Driver for Airtable/lib/cdata.jdbc.airtable.jar
   

2. Shell でJDBC URL を使ってAirtable に接続し、SQL Context load() function でテーブルを読み込みます。

   Airtable への接続

   それでは、Airtable に接続していきましょう。CData 製品は、Airtable にテーブルとビューを要求します。 Schema プロパティ（オプション）を使用すると、表示されるテーブルおよびビューを特定のベースに制限できます。 特定のベースに制限したい場合は、このプロパティを使用するスキーマの名前に設定してください。（これはAirtable のBase 名に相当します。）

   すべてのAirtable Bases に加えて、DataModelInformation という名前の静的スキーマもご利用いただけます。 このスキーマでは、Bases、Tables、Users のような静的テーブルをクエリできます。 DisplayObjectIds がTrue に設定されている場合、Schema の値は名前ではなくAirtable Base id に設定する必要があります。

   Airtableへの認証

   続いて、認証方法を設定しましょう。個人用アクセストークンまたはOAuth PKCE のいずれかを使用してAirtable に認証できます。

   個人用アクセストークン

   個人用アクセストークンをまだ生成していない場合は、以下のステップで生成してみましょう。

   1. ユーザーアカウントにログインします
   2. "https://airtable.com/create/tokens" に移動します
   3. Create new token をクリックします
   4. Scopes で、Add a scope をクリックして以下の各スコープを追加します
      • data.records:read
      • data.records:write
      • schema.bases:read
   5. Access で、トークンにアクセス権を付与するすべてのワークスペースとベースを追加します
   6. Create token をクリックしてトークンを生成します。生成されたトークンは一度しか表示されませんので、必ずコピーして保存してください

   次に、以下の設定を行います。

   • AuthScheme：PersonalAccessToken
   • Token：先ほど生成した個人用アクセストークンの値

   OAuth PKCE については、 href="/kb/help/" target="_blank">ヘルプドキュメントの「はじめに」をご確認ください。

   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、Airtable 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.airtable.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 airtable_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:airtable:APIKey=keymz3adb53RqsU;BaseId=appxxN2fe34r3rjdG7;TableNames=TableA,...;ViewNames=TableA.ViewA,...;").option("dbtable","SampleTable_1").option("driver","cdata.jdbc.airtable.AirtableDriver").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. Airtable をテンポラリーテーブルとして登録します:

   scala> airtable_df.registerTable("sampletable_1")

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> airtable_df.sqlContext.sql("SELECT Id, Column1 FROM SampleTable_1 WHERE Column1 = Value1").collect.foreach(println)

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

   

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

Apache Spark の設定