R から JDBC 経由でGitHub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GitHub のデータにアクセスできます。CData JDBC Driver for GitHub と RJDBC パッケージを使えば、R からリモートのGitHub 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GitHubに SQL クエリを実行し、標準的な R 関数を呼び出してGitHub 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)

GitHubに JDBC データソースとして接続

GitHub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.github.GitHubDriver 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 GitHub 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.github.GitHubDriver", classPath = "MyInstallationDir\lib\cdata.jdbc.github.jar", identifier.quote = "'")

これで DBI 関数を使用してGitHub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。

GitHub への接続には、OAuth 2 認証標準を使います。OAuth で認証するには、アプリを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。

組み込みの接続文字列デザイナー

JDBC URL の構築には、GitHub 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.github.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:github:OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:portNumber;")

スキーマの検出

このドライバーは、GitHub 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、GitHub 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。

users <- dbGetQuery(conn,"SELECT Name, Email FROM Users")

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(users)

GitHub 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GitHub 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(users$Email, main="GitHub Users", names.arg = users$Name, horiz=TRUE)