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

CData JDBC Driver for CockroachDB をインストール

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

ターミナルを開き、Spark shell でCData JDBC Driver for CockroachDB JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for CockroachDB/lib/cdata.jdbc.cockroachdb.jar
```
Shell でJDBC URL を使ってCockroachDB に接続し、SQL Context load() function でテーブルを読み込みます。
CockroachDB 接続プロパティの取得・設定方法

CockroachDB に接続するには以下を設定します。
- Server：サーバーのホスト名またはIP アドレス。
- Port：CockroachDB サーバーのポート番号。デフォルトのポートは26257 です。
- Database：Cockroach データベースの名前。デフォルトでは、CData 製品はユーザーのデフォルトデータベースに接続します。
- User：認証に使用されるCockroach DB ユーザーアカウント。
- Password：ユーザーの認証で使用されるパスワード。
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、CockroachDB 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.cockroachdb.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 cockroachdb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:cockroachdb:User=root;Password=root;Database=system;Server=localhost;Port=26257").option("dbtable","Orders").option("driver","cdata.jdbc.cockroachdb.CockroachDBDriver").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。
CockroachDB をテンポラリーテーブルとして登録します:
```
scala> cockroachdb_df.registerTable("orders")
```
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> cockroachdb_df.sqlContext.sql("SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = USA").collect.foreach(println)
```
コンソールで、次のようなCockroachDB のデータを取得できました！これでCockroachDB との連携は完了です。