Databricks（AWS）でSAP ByDesign 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SAP ByDesign 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SAP ByDesign 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SAP ByDesign 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。SAP ByDesign 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SAP ByDesign 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SAP ByDesign 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SAP ByDesign 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.sapbydesign.jar）をアップロードします。

ノートブックでSAP ByDesign 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SAP ByDesign 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、SAP ByDesign をクエリして、基本的なレポートを作成できます。

SAP ByDesign 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SAP ByDesign 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.sapbydesign.SAPByDesignDriver"
url = "jdbc:sapbydesign:RTK=5246...;URL=https://my999999.sapbydesign.com;User=username;Password=password;CustomService=servicename;"

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、SAP ByDesign 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.sapbydesign.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。

SAP ByDesign に接続するには、次の接続プロパティを設定します。

• Url: SAP ByDesign サイトのURL に設定。例：https://test.sapbydesign.com
• User: アカウントのユーザー名に設定。
• Password: アカウントのパスワードに設定。
• CustomService or AnalyticsService: いずれか一方のみを指定する必要があります。データを取得するカスタムサービスがある場合はCustomService を指定します。アナリティクスサービスのレポートを取得する場合はAnalyticsService を指定します。 どちらも指定されていない場合は、'cc_home_analytics.svc' がAnalyticsService プロパティのデフォルトとして使用されます。指定するサービスがわからない場合は、Services ビューをクエリして利用可能なサービスを一覧表示できます。

SAP ByDesign 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、SAP ByDesign 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" , "[Inventory Balance]") \
	.load ()

SAP ByDesign のデータを表示

ロードしたSAP ByDesign 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 ("ID"))

Databricks でSAP ByDesign 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SAP ByDesign 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 ID, ProductCategoryID FROM SAMPLE_VIEW ORDER BY ProductCategoryID DESC LIMIT 5

SAP ByDesign 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 SAP ByDesign 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SAP ByDesign 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。