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

CData JDBC Driver for HarperDB をインストール

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

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

Server、User、およびPassword 接続プロパティを設定してHarperDB に接続します。UseSSL を設定すると、TLS/SSL で接続をセキュアにします。

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、HarperDB 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.harperdb.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 harperdb_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:harperdb:Server=127.0.0.1;User=admin;Password=1234;").option("dbtable","Customers").option("driver","cdata.jdbc.harperdb.HarperDBDriver").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。
HarperDB をテンポラリーテーブルとして登録します:
```
scala> harperdb_df.registerTable("customers")
```
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> harperdb_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Country = US").collect.foreach(println)
```
コンソールで、次のようなHarperDB のデータを取得できました！これでHarperDB との連携は完了です。