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

CData JDBC Driver for OData をインストール

まずは、本記事右側のサイドバーからOData 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OData のデータに接続

ターミナルを開き、Spark shell でCData JDBC Driver for OData JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for OData/lib/cdata.jdbc.odata.jar
```

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

OData への接続

OData に接続するには、Url を有効なOData サービスルートURI に設定する必要があります。 OData サービスにルートドキュメントがない場合、テーブルとして公開したい特定のエンティティをFeedURL に指定してください。

OData への認証

OData は、以下を経由する認証をサポートします。

HTTP
Kerberos
SharePoint Online
OAuth
Azure AD

HTTP 認証スキーム

HTTP で認証する場合は、次の表に従ってAuthScheme を設定します。

Scheme	AuthScheme	その他の設定
None	None	認証を必要としない場合に使用。
Basic	Basic	User、Password
NTLM	NTLM	User、Password
Digest（サポートされている場合）	Digest	User、Password

その他の認証方法の詳細は、ヘルプドキュメントの「接続の確立」セクション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 接続文字列URL の作成には、OData 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.odata.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 odata_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:odata:URL=http://services.odata.org/V4/Northwind/Northwind.svc;UseIdUrl=True;OData Version=4.0;Data Format=ATOM;").option("dbtable","Orders").option("driver","cdata.jdbc.odata.ODataDriver").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。
OData をテンポラリーテーブルとして登録します:
```
scala> odata_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> odata_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OData のデータを取得できました！これでOData との連携は完了です。