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

CData JDBC Driver for ApacheCouchDB をインストール

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

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

それでは、Apache CouchDB に接続していきましょう。Url 接続プロパティをApache CouchDB インスタンスのURL に設定します。例：http://localhost:5984

ユーザー（またはJWT）が特定のデータベースだけにアクセスできるようにしたい場合は、Apache CouchDB インスタンスで"admin_only_all_dbs" オプションを設定し、テーブルをリストするためにCData 製品が必要とする"/_all_dbs" エンドポイントへのアクセス権をすべてのユーザーに付与する必要があります。

Apache CouchDB への認証

続いて、認証方法を設定しましょう。CData 製品では、3種類の認証をサポートしています。
- Basic：基本的なユーザー名 / パスワード認証
- JWT：JWT 認証
- None：パブリックなデータベースへの匿名アクセス
Basic 認証

データに接続するには、以下のプロパティを設定してください。
- AuthScheme：Basic
- User：認証に使用されるApache CouchDB ユーザーアカウント
- Password：認証するユーザーに関連付けられたApache CouchDB パスワード
その他の認証方法については、ヘルプドキュメントの「接続の確立」セクションをご確認ください。

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、CouchDB 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.apachecouchdb.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 apachecouchdb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:apachecouchdb:Url=http://localhost:5984;User=abc123;Password=abcdef;").option("dbtable","Movies").option("driver","cdata.jdbc.apachecouchdb.ApacheCouchDBDriver").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。
CouchDB をテンポラリーテーブルとして登録します:
```
scala> apachecouchdb_df.registerTable("movies")
```
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> apachecouchdb_df.sqlContext.sql("SELECT MovieRuntime, MovieRating FROM Movies WHERE MovieRating = R").collect.foreach(println)
```
コンソールで、次のようなCouchDB のデータを取得できました！これでCouchDB との連携は完了です。