Apache Spark でGreenplum のデータをSQL で操作する方法

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

CData JDBC Driver for Greenplum をインストール

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

1. ターミナルを開き、Spark shell でCData JDBC Driver for Greenplum JAR file をjars パラメータに設定します:

   $ spark-shell --jars /CData/CData JDBC Driver for Greenplum/lib/cdata.jdbc.greenplum.jar
   

2. Shell でJDBC URL を使ってGreenplum に接続し、SQL Context load() function でテーブルを読み込みます。

   Greenplum に接続するには、Server、Port （デフォルトポートは5432）、およびDatabase 接続プロパティを設定して、サーバーへの認証に使用するUser とPassword を設定します。Database プロパティが指定されていない場合、CData 製品はユーザーのデフォルトデータベース（ユーザーと同じ名前になります）に接続します。

   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、Greenplum 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.greenplum.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 greenplum_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:greenplum:User=user;Password=admin;Database=dbname;Server=127.0.0.1;Port=5432;").option("dbtable","Orders").option("driver","cdata.jdbc.greenplum.GreenplumDriver").load()
   

3. 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。

4. Greenplum をテンポラリーテーブルとして登録します:

   scala> greenplum_df.registerTable("orders")

5. 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> greenplum_df.sqlContext.sql("SELECT Freight, ShipName FROM Orders WHERE ShipCountry = USA").collect.foreach(println)

   コンソールで、次のようなGreenplum のデータを取得できました！これでGreenplum との連携は完了です。

   

CData JDBC Driver for Greenplum をApache Spark で使って、Greenplum に対して、複雑かつハイパフォーマンスなクエリを実行できます。30日の無償評価版 をダウンロードしてぜひお試しください。

Apache Spark の設定