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

CData JDBC Driver for Presto をインストール

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

ターミナルを開き、Spark shell でCData JDBC Driver for Presto JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for Presto/lib/cdata.jdbc.presto.jar
```
Shell でJDBC URL を使ってPresto に接続し、SQL Context load() function でテーブルを読み込みます。
Presto への接続には、まずはServer およびPort を接続プロパティとして設定します。それ以外の追加項目は接続方式によって異なります。

TLS/SSL を有効化するには、UseSSL をTRUE に設定します。

LDAP で認証

LDAP で認証するには、次の接続プロパティを設定します:
- AuthScheme: LDAP に設定。
- User: LDAP で接続するユーザー名。
- Password: LDAP で接続するユーザーのパスワード。
Kerberos 認証

KERBEROS 認証を使う場合には、以下を設定します:
- AuthScheme: KERBEROS に設定。
- KerberosKDC: 接続するユーザーのKerberos Key Distribution Center (KDC) サービス。
- KerberosRealm: 接続するユーザーのKerberos Realm 。
- KerberosSPN: Kerberos Domain Controller のService Principal Name。
- KerberosKeytabFile: Kerberos principals とencrypted keys を含むKeytab file。
- User: Kerberos のユーザー。
- Password: Kerberos で認証するユーザーのパスワード。
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、Presto 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.presto.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 presto_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:presto:Server=127.0.0.1;Port=8080;").option("dbtable","Customer").option("driver","cdata.jdbc.presto.PrestoDriver").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。
Presto をテンポラリーテーブルとして登録します:
```
scala> presto_df.registerTable("customer")
```
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> presto_df.sqlContext.sql("SELECT FirstName, LastName FROM Customer WHERE Id = 123456789").collect.foreach(println)
```
コンソールで、次のようなPresto のデータを取得できました！これでPresto との連携は完了です。