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

CData JDBC Driver for Snowflake をインストール

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

ターミナルを開き、Spark shell でCData JDBC Driver for Snowflake JAR file をjars パラメータに設定します:
```
$ spark-shell --jars /CData/CData JDBC Driver for Snowflake/lib/cdata.jdbc.snowflake.jar
```
Shell でJDBC URL を使ってSnowflake に接続し、SQL Context load() function でテーブルを読み込みます。
それでは、Snowflake データベースに接続していきましょう。認証に加えて、以下の接続プロパティを設定します。
- Url：お使いのSnowflake URL を指定します。例：https://orgname-myaccount.snowflakecomputing.com
  - Legacy URL を使用する場合：https://myaccount.region.snowflakecomputing.com
  - ご自身のURL は以下のステップで確認できます。
    1. Snowflake UI の左下にあるユーザー名をクリックします
    2. Account ID にカーソルを合わせます
    3. Copy Account URL アイコンをクリックして、アカウントURL をコピーします
- Database（オプション）：CData 製品によって公開されるテーブルとビューを、特定のSnowflake データベースのものに制限したい場合に設定します
- Schema（オプション）：CData 製品によって公開されるテーブルとビューを、特定のSnowflake データベーススキーマのものに制限したい場合に設定します
Snowflakeへの認証

CData 製品では、Snowflake ユーザー認証、フェデレーション認証、およびSSL クライアント認証をサポートしています。認証するには、User とPassword を設定し、AuthScheme プロパティで認証方法を選択してください。

キーペア認証

ユーザーアカウントに定義されたプライベートキーを使用してセキュアなトークンを作成し、キーペア認証で接続することも可能です。この方法で接続するには、AuthScheme をPRIVATEKEY に設定し、以下の値を設定してください。
- User：認証に使用するユーザーアカウント
- PrivateKey：プライベートキーを含む.pem ファイルへのパスなど、ユーザーに使用されるプライベートキー
- PrivateKeyType：プライベートキーを含むキーストアの種類（PEMKEY_FILE、PFXFILE など）
- PrivateKeyPassword：指定されたプライベートキーのパスワード
その他の認証方法については、ヘルプドキュメントの「Snowflakeへの認証」セクションをご確認ください。

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、Snowflake 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.snowflake.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 snowflake_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:snowflake:User=Admin;Password=test123;Server=localhost;Database=Northwind;Warehouse=TestWarehouse;Account=Tester1;").option("dbtable","Products").option("driver","cdata.jdbc.snowflake.SnowflakeDriver").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。
Snowflake をテンポラリーテーブルとして登録します:
```
scala> snowflake_df.registerTable("products")
```
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> snowflake_df.sqlContext.sql("SELECT Id, ProductName FROM Products WHERE Id = 1").collect.foreach(println)
```
コンソールで、次のようなSnowflake のデータを取得できました！これでSnowflake との連携は完了です。