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

CData JDBC Driver for SharePoint をインストール

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

ターミナルを開き、Spark shell でCData JDBC Driver for SharePoint JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for SharePoint/lib/cdata.jdbc.sharepoint.jar
```
Shell でJDBC URL を使ってSharePoint に接続し、SQL Context load() function でテーブルを読み込みます。
Microsoft SharePoint への接続

URL の設定：

Microsoft SharePoint では、2つの範囲でデータを操作できます。グローバルなMicrosoft SharePoint サイト全体を対象にするか、個々のサイトのみを対象にするかを選択できます。

グローバルなMicrosoft SharePoint サイトですべてのリストおよびドキュメントを操作したい場合は、URL 接続プロパティをサイトコレクションURL に設定しましょう。以下のような形式です。
```
https://teams.contoso.com
```
個々のサイトのリストおよびドキュメントのみを扱いたい場合は、URL 接続プロパティを個々のサイトURL に設定してください。以下のような形式です。
```
https://teams.contoso.com/TeamA
```
続いて、お使いの環境に適した認証プロパティを設定していきましょう。詳細な設定手順については、 href="/kb/help/" target="_blank">ヘルプドキュメントの「はじめに」をご参照ください。

Microsoft SharePoint Online

SharePointEdition を"SharePoint Online" に設定し、User およびPassword にはSharePoint へのログオンで使用するクレデンシャル（例：Microsoft Online Services アカウントのクレデンシャル）を設定します。

Microsoft SharePoint Online は様々なクラウドベースアーキテクチャをサポートしており、それぞれ異なる認証スキームが利用できます。
- Microsoft Entra ID（Azure AD）
- ADFS、Okta、OneLogin、またはPingFederate SSO ID プロバイダーを介したシングルサインオン（SSO）
- Azure MSI
- Azure パスワード
- OAuthJWT
- SharePointOAuth
Microsoft SharePoint オンプレミス

Microsoft SharePoint オンプレミスでは、多くのオンプレミス環境に対応した認証方式をサポートしています。
- Windows（NTLM）
- Kerberos
- ADFS
- 匿名アクセス
まずSharePointEdition を"SharePoint On-Premises" に設定しましょう。

Windows（NTLM）認証

これは最も一般的な認証方式です。そのため、CData 製品ではNTLM をデフォルトとして使用するよう事前設定されています。Windows のUser およびPassword を設定するだけで接続できます。

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、SharePoint 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.sharepoint.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 sharepoint_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:sharepoint:User=myuseraccount;Password=mypassword;Auth Scheme=NTLM;URL=http://sharepointserver/mysite;SharePointEdition=SharePointOnPremise;").option("dbtable","MyCustomList").option("driver","cdata.jdbc.sharepoint.SharePointDriver").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。
SharePoint をテンポラリーテーブルとして登録します:
```
scala> sharepoint_df.registerTable("mycustomlist")
```
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> sharepoint_df.sqlContext.sql("SELECT Name, Revenue FROM MyCustomList WHERE Location = Chapel Hill").collect.foreach(println)
```
コンソールで、次のようなSharePoint のデータを取得できました！これでSharePoint との連携は完了です。