Databricks（AWS）でPCA Sales のデータを処理・分析

Databricks は、Apache Spark を通じたデータ処理機能を提供するクラウドベースのサービスです。CData JDBC Driver と組み合わせることで、Databricks を使用してリアルタイムPCA Sales のデータに対してデータエンジニアリングとデータサイエンスを実行できます。この記事では、AWS でCData JDBC Driver をホストし、Databricks でリアルタイムPCA Sales のデータに接続して処理する方法を説明します。

最適化されたデータ処理が組み込まれたCData JDBC Driver は、リアルタイムPCA Sales のデータを扱う上で比類のないパフォーマンスを提供します。PCA Sales 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のサポートされているSQL 操作をPCA Sales に直接プッシュし、サポートされていない操作（主にSQL 関数やJOIN 操作）は組み込みSQL エンジンを利用して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ってPCA Sales のデータを操作・分析できます。

CData JDBC Driver をDatabricks にインストール

Databricks でリアルタイムPCA Sales のデータを操作するには、Databricks クラスターにドライバーをインストールします。

1. Databricks の管理画面に移動し、対象のクラスターを選択します。
2. Libraries タブで「Install New」をクリックします。
3. Library Source として「Upload」を選択し、Library Type として「Jar」を選択します。
4. インストール場所（通常はC:\Program Files\CData[product_name]\lib）からJDBC JAR ファイル（cdata.jdbc.pcasales.jar）をアップロードします。

ノートブックでPCA Sales のデータにアクセス：Python

JAR ファイルをインストールしたら、Databricks でリアルタイムPCA Sales のデータを操作する準備が整いました。ワークスペースに新しいノートブックを作成します。ノートブックに名前を付け、言語としてPython を選択し（Scala も利用可能）、JDBC ドライバーをインストールしたクラスターを選択します。ノートブックが起動したら、接続を設定し、PCA Sales をクエリして、基本的なレポートを作成できます。

PCA Sales への接続を設定

JDBC Driver クラスを参照し、JDBC URL で使用する接続文字列を構築してPCA Sales に接続します。また、JDBC URL でRTK プロパティを設定する必要があります（Beta ドライバーを使用している場合を除く）。このプロパティの設定方法については、インストールに含まれるライセンスファイルを参照してください。

ステップ1：接続情報

driver = "cdata.jdbc.pcasales.PCASalesDriver"
url = "jdbc:pcasales:RTK=5246...;OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost:33333;ProductCode=MyProductCode;ApiVersion=V1;DataCenter=DataCenterName;DefaultDataArea=MyDefaultDataArea;"

組み込みの接続文字列デザイナー

JDBC URL の作成をサポートするために、PCA Sales JDBC Driver に組み込まれている接続文字列デザイナーが使用できます。JAR ファイルをダブルクリックするか、コマンドラインからJAR ファイルを実行します。

java -jar cdata.jdbc.pcasales.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。

PCA クラウド商魂・商管DX では、OAuth 2 認証標準を使います。

ユーザー資格情報の接続プロパティを設定せずに接続できます。接続に最小限必要な接続プロパティは、次のとおりです。

• InitiateOAuth：GETANDREFRESH に設定。InitiateOAuth を使って、OAuth 交換や、手動での接続文字列のアクセストークン設定の繰り返しを避けられます。
• OAuthClientId：アプリケーション設定のクライアントId に設定。
• OAuthClientSecret：アプリケーション設定のクライアントシークレットに設定。
• CallbackURL：アプリケーション設定のリダイレクトURL に設定。
• ApiVersion：接続するPCA API Server バージョンを設定。
• DefaultDataArea：接続するデータ領域を設定。
• DataCenter：接続するサーバーのDataCenter 名を設定。
• ProductCode：PCA 製品コード名を設定。

接続すると、CData 製品はデフォルトブラウザでPCA Accounting OAuth エンドポイントを開きます。ログインして、CData 製品にアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。

ヘッドレスマシンの認証など、他のOAuth 認証フローについては、ヘルプドキュメントの「OAuth 認証の使用」を参照してください。

PCA Sales のデータをロード

接続を設定したら、CData JDBC Driver と接続情報を使用して、PCA Sales のデータをDataFrame としてロードできます。

ステップ2：データの読み取り

remote_table = spark.read.format ( "jdbc" ) \
	.option ( "driver" , driver) \
	.option ( "url" , url) \
	.option ( "dbtable" , "MasterSms") \
	.load ()

PCA Sales のデータを表示

ロードしたPCA Sales のデータをdisplay 関数を呼び出して確認します。

ステップ3：結果の確認

display (remote_table.select ("SyohinCode"))

Databricks でPCA Sales のデータを分析

Databricks SparkSQL でデータを処理するには、ロードしたデータをTemp View として登録します。

ステップ4：ビューまたはテーブルを作成

remote_table.createOrReplaceTempView ( "SAMPLE_VIEW" )

Temp View を作成したら、SparkSQL を使用してPCA Sales のデータをレポート、ビジュアライゼーション、分析用に取得できます。

% sql

SELECT SyohinCode, SyohinMei FROM SAMPLE_VIEW ORDER BY SyohinMei DESC LIMIT 5

PCA Sales からのデータは、対象のノートブックでのみ利用可能です。他のユーザーと共有したい場合は、テーブルとして保存します。

remote_table.write.format ( "parquet" ) .saveAsTable ( "SAMPLE_TABLE" )

CData JDBC Driver for PCA Sales の30日間無償トライアルをダウンロードして、Databricks でリアルタイムPCA Sales のデータの操作をはじめましょう。ご不明な点があれば、サポートチームにお問い合わせください。