Apache Spark でAsana のデータをSQL で操作する方法

杉本和也
リードエンジニア

CData JDBC ドライバーを使用して、Apache Spark でAsana にデータ連携。

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

CData JDBC Driver for Asana をインストール

まずは、本記事右側のサイドバーからAsana 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Asana のデータに接続

ターミナルを開き、Spark shell でCData JDBC Driver for Asana JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for Asana/lib/cdata.jdbc.asana.jar
```
Shell でJDBC URL を使ってAsana に接続し、SQL Context load() function でテーブルを読み込みます。
Asana への接続は以下のように行います。
- WorkspaceId: Asana Wrokspace のglobally unique identifier (gid) を設定すると指定されたWorkspace のプロジェクトだけを返します。Workspace Id はhttps://app.asana.com/api/1.0/workspaces から取得します。表示されるJSON にWorkspace name およびId が含まれます。
- ProjectId: Asana Project のglobally unique identifier (gid) に設定すると指定されたProject のデータだけを返します。Project ID はプロジェクトのOverview ページのURL を参照してください。/0/ の後ろの数字 です。
Asana への認証

Asana はOAuth またはOAuthPKCE 認証標準を利用しています。認証方法については、ヘルプドキュメントの「はじめに」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、Asana 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.asana.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 asana_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:asana:OAuthClientId=YourClientId;OAuthClientSecret=YourClientSecret;CallbackURL='http://localhost:33333';").option("dbtable","projects").option("driver","cdata.jdbc.asana.AsanaDriver").load()
```
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。
Asana をテンポラリーテーブルとして登録します:
```
scala> asana_df.registerTable("projects")
```
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> asana_df.sqlContext.sql("SELECT Id, WorkspaceId FROM projects WHERE Archived = true").collect.foreach(println)
```
コンソールで、次のようなAsana のデータを取得できました！これでAsana との連携は完了です。