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

CData JDBC Driver for EnterpriseDB をインストール

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

ターミナルを開き、Spark shell でCData JDBC Driver for EnterpriseDB JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for EnterpriseDB/lib/cdata.jdbc.enterprisedb.jar
```
Shell でJDBC URL を使ってEnterpriseDB に接続し、SQL Context load() function でテーブルを読み込みます。
データに接続するには、以下の接続プロパティが必要です。
- Server: EnterpriseDB データベースをホスティングしているサーバーのホスト名またはIP アドレス。
- Port: EnterpriseDB データベースをホスティングしているサーバーのポート。
オプションで、以下を設定することもできます。
- Database: EnterpriseDB サーバーに接続する場合のデフォルトのデータベース。設定されていない場合は、ユーザーのデフォルトデータベースが使用されます。
Basic 認証による接続

Basic 認証を使って認証するには、以下を設定します。
- User：EnterpriseDB サーバーに認証する際に使われるユーザー。
- Password：EnterpriseDB サーバーに認証する際に使われるパスワード。
SSL 認証による接続

SSL 認証を利用して、セキュアなセッションを介してEnterpriseDB データに接続できます。以下の接続プロパティを設定して、データに接続します。
- SSLClientCert：クライアント証明書のための証明書ストア名に設定します。クライアントとサーバーの両方のマシンでトラストストアとキーストアが保持される2-way SSL の場合に使用されます。
- SSLClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
- SSLClientCertSubject：TLS/SSL クライアント証明書のSubject。ストア内の証明書を検索するために使用されます。
- SSLClientCertType：クライアントストアの証明書タイプ。
- SSLServerCert：サーバーが受け入れ可能な証明書。
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、EnterpriseDB 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.enterprisedb.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 enterprisedb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:enterprisedb:User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5444").option("dbtable","Orders").option("driver","cdata.jdbc.enterprisedb.EnterpriseDBDriver").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。
EnterpriseDB をテンポラリーテーブルとして登録します:
```
scala> enterprisedb_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> enterprisedb_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EnterpriseDB のデータを取得できました！これでEnterpriseDB との連携は完了です。