Apache Spark でDB2 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DB2 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 DB2 と組み合わせると、Spark はリアルタイムでDB2 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DB2 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DB2 と対話するための高いパフォーマンスを提供します。DB2 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DB2 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DB2 を操作して分析できます。

CData JDBC Driver for DB2 をインストール

まずは、本記事右側のサイドバーからDB2 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DB2 のデータに接続

ターミナルを開き、Spark shell でCData JDBC Driver for DB2 JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for DB2/lib/cdata.jdbc.db2.jar
```
Shell でJDBC URL を使ってDB2 に接続し、SQL Context load() function でテーブルを読み込みます。
DB2 に接続するには以下のプロパティを設定します。
- Server: DB2 を実行するサーバー名。
- Port: DB2 サーバーのポート。
- Database: DB2 データベース名。
接続の準備ができたら、認証スキームを選択し、以下で説明するように適切なプロパティを設定します。
CData 製品は、DB2 への認証に4つの異なるスキームをサポートします。DB2 ユーザー資格情報（デフォルト）、暗号化されたユーザー資格情報、IBM Identity and Access Management（IAM）認証、および Kerberos です。
DB2 ユーザー資格情報
ユーザー資格情報を使用して認証するには、次のプロパティを設定します。
- AuthScheme：USRIDPWD。
- User：データベースへのアクセス権を持つユーザーのユーザー名。
- Password：データベースへのアクセス権を持つユーザーのパスワード。
暗号化されたユーザー資格情報
サーバーがセキュア認証に対応しており、暗号化されたユーザー資格情報を使用して認証を行いたい場合は、このプロパティを設定します。
- AuthScheme：EUSRIDPWD
IAM、Kerberos で認証したい場合は、ヘルプドキュメントの「はじめに」セクションを参照してください。

パスワード方式によるSSH 接続

パスワード方式によるSSH接続時に必要なプロパティ一覧を以下に示します。
- User: DB2 のユーザ
- Password: DB2 のパスワード
- Database: DB2 の接続先データベース
- Server: DB2 のサーバー
- Port: DB2 のポート
- UserSSH: "true"
- SSHAuthMode: "Password"
- SSHPort: SSH のポート
- SSHServer: SSH サーバー
- SSHUser: SSH ユーザー
- SSHPassword: SSH パスワード
接続文字列形式では以下のようになります。
```
Server=10.0.1.2;Port=50000;User=admin;Password=admin;Database=testUseSSH=true;SSHAuthMode=Password;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHPassword=sshpasswd;
```
公開鍵認証方式方式によるSSH 接続

公開鍵認証によるSSH接続時に必要なプロパティ一覧を以下に示します。
- User: DB2 のユーザ
- Password: DB2 のパスワード
- Database: DB2 の接続先データベース
- Server: DB2 のサーバー
- Port: DB2 のポート
- UserSSH: "true"
- SSHAuthMode: "Public_Key"
- SSHClientCertType: キーストアの種類
- SSHPort: SSH のポート
- SSHServer: SSH サーバー
- SSHUser: SSH ユーザー
- SSHClientCert: 秘密鍵ファイルのパス
接続文字列形式では以下のようになります。
```
Server=10.0.1.2;Port=50000;User=admin;Password=admin;Database=test;UseSSH=true;SSHAuthMode=Public_Key;SSHClientCertType=PUBLIC_KEY_FILE;SSHPort=22;SSHServer=ssh-server;SSHUser=root;SSHClientCert=C:\Keys\key.pem;
```
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、DB2 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.db2.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 db2_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:db2:Server=10.0.1.2;Port=50000;User=admin;Password=admin;Database=test;").option("dbtable","Orders").option("driver","cdata.jdbc.db2.DB2Driver").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。
DB2 をテンポラリーテーブルとして登録します:
```
scala> db2_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> db2_df.sqlContext.sql("SELECT OrderName, Freight FROM Orders WHERE ShipCity = New York").collect.foreach(println)
```
コンソールで、次のようなDB2 のデータを取得できました！これでDB2 との連携は完了です。