R から JDBC 経由でAzure Data Catalogののデータを分析

R と Java がインストールされている環境であれば、純粋な R スクリプトと標準的な SQL を使用してAzure Data Catalog のデータにアクセスできます。CData JDBC Driver for Azure Data Catalog と RJDBC パッケージを使えば、R からリモートのAzure Data Catalog のデータを操作できます。CData Driver を使用することで、業界で実績のある標準規格に準拠したドライバーを活用し、人気のオープンソース言語 R でデータにアクセスできます。この記事では、ドライバーを使ってAzure Data Catalogに SQL クエリを実行し、標準的な R 関数を呼び出してAzure Data Catalog のデータを可視化する方法を説明します。

R のインストール

マルチスレッドとマネージドコードによるドライバーのパフォーマンス向上を最大限に活かすには、マルチスレッド対応の Microsoft R Open を使用するか、BLAS/LAPACK ライブラリとリンクされたオープンソース R を使用します。この記事では Microsoft R Open 3.2.3 を使用しています。このバージョンは、2016年1月1日時点の CRAN リポジトリのスナップショットからパッケージをインストールするように事前設定されており、再現性が確保されています。

RJDBC パッケージの読み込み

ドライバーを使用するには、RJDBC パッケージをダウンロードしてください。 RJDBC パッケージをインストールしたら、以下のコードでパッケージを読み込みます。

library(RJDBC)

Azure Data Catalogに JDBC データソースとして接続

Azure Data Catalogに JDBC データソースとして接続するには、以下の情報が必要です。

• Driver Class: cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver に設定します。
• Classpath: ドライバー JAR ファイルの場所を設定します。デフォルトでは、インストールフォルダの lib サブフォルダです。

dbConnect や dbSendQuery などの DBI 関数は、R でデータアクセスコードを記述するための統一されたインターフェースを提供します。以下のコードで、CData JDBC Driver for Azure Data Catalog に JDBC リクエストを行う DBI ドライバーを初期化します。

driver <- JDBC(driverClass = "cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver", classPath = "MyInstallationDir\lib\cdata.jdbc.azuredatacatalog.jar", identifier.quote = "'")

これで DBI 関数を使用してAzure Data Catalogに接続し、SQL クエリを実行できます。dbConnect 関数で JDBC 接続を初期化します。

Azure Data Catalog 接続プロパティの取得・設定方法

OAuth 認証で接続

Azure Data Catalog の認証にはOAuth を使用します。CData 製品では組込みOAuth が利用できるので、接続プロパティを設定することなく接続を試行するだけで、ブラウザ経由でAAS に認証できます。詳しい設定方法については、ヘルプドキュメントの「Azure Data Catalog への認証」セクションを参照してください。

設定は任意ですが、CatalogName プロパティを設定することでAzure Data Catalog から返されるカタログデータを明示的に指定できます。

CatalogName：Azure Data Catalog に紐づいているカタログ名に設定。空のままにすると、デフォルトのカタログが使用されます。カタログ名は、「Azure Portal」->「データカタログ」->「カタログ名」から取得できます。

組み込みの接続文字列デザイナー

JDBC URL の構築には、Azure Data Catalog JDBC Driver に組み込まれている接続文字列デザイナーが便利です。JAR ファイルをダブルクリックするか、コマンドラインから JAR ファイルを実行してください。

java -jar cdata.jdbc.azuredatacatalog.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。

以下は、一般的な JDBC 接続文字列を含む dbConnect 呼び出しの例です。

conn <- dbConnect(driver,"jdbc:azuredatacatalog:")

スキーマの検出

このドライバーは、Azure Data Catalog API をリレーショナルテーブル、ビュー、ストアドプロシージャとしてモデル化します。以下のコードでテーブルの一覧を取得できます。

dbListTables(conn)

SQL クエリの実行

dbGetQuery 関数を使用して、Azure Data Catalog API でサポートされている任意の SQL クエリを実行できます。

tables <- dbGetQuery(conn,"SELECT DslAddressDatabase, Type FROM Tables WHERE Name = 'FactProductInventory'")

以下のコマンドで、結果をデータビューアウィンドウに表示できます。

View(tables)

Azure Data Catalog のデータのプロット

これで、CRAN リポジトリで利用可能なデータ可視化パッケージを使ってAzure Data Catalog のデータを分析できます。組み込みのバープロット関数でシンプルな棒グラフを作成できます。

par(las=2,ps=10,mar=c(5,15,4,2))
barplot(tables$Type, main="Azure Data Catalog Tables", names.arg = tables$DslAddressDatabase, horiz=TRUE)