R から JDBC 経由でRedshiftののデータを分析

R と Java がインストールされている環境であれば、純粋な R スクリプトと標準的な SQL を使用してRedshift のデータにアクセスできます。CData JDBC Driver for Redshift と RJDBC パッケージを使えば、R からリモートのRedshift のデータを操作できます。CData Driver を使用することで、業界で実績のある標準規格に準拠したドライバーを活用し、人気のオープンソース言語 R でデータにアクセスできます。この記事では、ドライバーを使ってRedshiftに SQL クエリを実行し、標準的な R 関数を呼び出してRedshift のデータを可視化する方法を説明します。

R のインストール

マルチスレッドとマネージドコードによるドライバーのパフォーマンス向上を最大限に活かすには、マルチスレッド対応の Microsoft R Open を使用するか、BLAS/LAPACK ライブラリとリンクされたオープンソース R を使用します。この記事では Microsoft R Open 3.2.3 を使用しています。このバージョンは、2016年1月1日時点の CRAN リポジトリのスナップショットからパッケージをインストールするように事前設定されており、再現性が確保されています。

RJDBC パッケージの読み込み

ドライバーを使用するには、RJDBC パッケージをダウンロードしてください。 RJDBC パッケージをインストールしたら、以下のコードでパッケージを読み込みます。

library(RJDBC)

Redshiftに JDBC データソースとして接続

Redshiftに JDBC データソースとして接続するには、以下の情報が必要です。

• Driver Class: cdata.jdbc.redshift.RedshiftDriver に設定します。
• Classpath: ドライバー JAR ファイルの場所を設定します。デフォルトでは、インストールフォルダの lib サブフォルダです。

dbConnect や dbSendQuery などの DBI 関数は、R でデータアクセスコードを記述するための統一されたインターフェースを提供します。以下のコードで、CData JDBC Driver for Redshift に JDBC リクエストを行う DBI ドライバーを初期化します。

driver <- JDBC(driverClass = "cdata.jdbc.redshift.RedshiftDriver", classPath = "MyInstallationDir\lib\cdata.jdbc.redshift.jar", identifier.quote = "'")

これで DBI 関数を使用してRedshiftに接続し、SQL クエリを実行できます。dbConnect 関数で JDBC 接続を初期化します。

Amazon Redshift への接続

それでは、早速Amazon Redshift に接続していきましょう。データに接続するには、以下の接続パラメータを指定します。

• Server：Amazon Redshift データベースをホスティングしているサーバーのホスト名またはIP アドレス
• Database：Amazon Redshift クラスター用に作成したデータベース
• Port（オプション）：Amazon Redshift データベースをホスティングしているサーバーのポート。デフォルトは5439です

これらの値は、以下のステップでAWS マネージメントコンソールから取得できます。

1. Amazon Redshift コンソールを開きます（http://console.aws.amazon.com/redshift）
2. Clusters ページで、クラスター名をクリックしてください
3. Configuration タブの"Cluster Database Properties" セクションからプロパティを取得します。接続プロパティの値は、ODBC URL で設定された値と同じになります

Amazon Redshiftへの認証

CData 製品では幅広い認証オプションに対応しています。標準認証情報からIAM クレデンシャル、ADFS、Ping Federate、Microsoft Entra ID（Azure AD）、Azure AD PKCE まで利用可能です。

標準認証

ログイン資格情報を使用してAmazon Redshift に接続するには、以下のプロパティを設定してみましょう。

• AuthScheme：Basic
• User：認証するユーザーのログイン情報
• Password：認証するユーザーのパスワード

その他の認証方法については、ヘルプドキュメントをご確認ください。

組み込みの接続文字列デザイナー

JDBC URL の構築には、Redshift JDBC Driver に組み込まれている接続文字列デザイナーが便利です。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 ファイルを実行してください。

java -jar cdata.jdbc.redshift.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。

以下は、一般的な JDBC 接続文字列を含む dbConnect 呼び出しの例です。

conn <- dbConnect(driver,"jdbc:redshift:User=admin;Password=admin;Database=dev;Server=examplecluster.my.us-west-2.redshift.amazonaws.com;Port=5439;")

スキーマの検出

このドライバーは、Redshift API をリレーショナルテーブル、ビュー、ストアドプロシージャとしてモデル化します。以下のコードでテーブルの一覧を取得できます。

dbListTables(conn)

SQL クエリの実行

dbGetQuery 関数を使用して、Redshift API でサポートされている任意の SQL クエリを実行できます。

orders <- dbGetQuery(conn,"SELECT ShipName, ShipCity FROM Orders")

以下のコマンドで、結果をデータビューアウィンドウに表示できます。

View(orders)

Redshift のデータのプロット

これで、CRAN リポジトリで利用可能なデータ可視化パッケージを使ってRedshift のデータを分析できます。組み込みのバープロット関数でシンプルな棒グラフを作成できます。

par(las=2,ps=10,mar=c(5,15,4,2))
barplot(orders$ShipCity, main="Redshift Orders", names.arg = orders$ShipName, horiz=TRUE)