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

CData JDBC Driver for OneDrive をインストール

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

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

OneDrive は接続にOAuth 認証を使用します。OAuth を使用して認証するには、OneDrive API 用のアプリを作成して、OAuth クライアントID、OAuth クライアントシークレット、およびコールバックURLを取得してください。OAuth 情報の取得については、MS 公式のこちらのページが参考になります。取得したこれらの情報をOAuthClientId、OAuthClientSecret、CallbackURL の接続プロパティに設定することで認証を設定できます。

認証についての詳細は、ヘルプドキュメントの「OAuth」のセクションをご確認ください。

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、Microsoft OneDrive 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.onedrive.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 onedrive_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:onedrive:OAuthClientId=MyApplicationId;OAuthClientSecret=MySecretKey;OAuthCallbackURL=http://localhost:33333;").option("dbtable","Files").option("driver","cdata.jdbc.onedrive.OneDriveDriver").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。
Microsoft OneDrive をテンポラリーテーブルとして登録します:
```
scala> onedrive_df.registerTable("files")
```
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> onedrive_df.sqlContext.sql("SELECT Id, Name FROM Files WHERE Id = Jq74mCczmFXk1tC10GB").collect.foreach(println)
```
コンソールで、次のようなMicrosoft OneDrive のデータを取得できました！これでMicrosoft OneDrive との連携は完了です。