Apache Spark でVeeva のデータをSQL で操作する方法

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

CData JDBC Driver for VaultCRM をインストール

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

1. ターミナルを開き、Spark shell でCData JDBC Driver for VaultCRM JAR file をjars パラメータに設定します:

   $ spark-shell --jars /CData/CData JDBC Driver for VaultCRM/lib/cdata.jdbc.vaultcrm.jar
   

2. Shell でJDBC URL を使ってVeeva に接続し、SQL Context load() function でテーブルを読み込みます。

   それでは、Veeva Vault アカウントに接続していきましょう。まずはUrl 接続プロパティにホスト名を設定します。ホスト名は、アカウントにログインした後にアドレスバーから確認できます。

   例：https://myvault.veevavault.com

   Veeva Vaultへの認証

   続いて、認証方法を設定しましょう。CData 製品では、以下の認証方法をサポートしています。

   • Veeva Vault ユーザー資格情報
   • Azure AD 認証プロバイダーのOpenID Connect
   • Okta SSO

   ユーザー資格情報

   最も基本的な認証方法です。AuthScheme をBasic に設定し、User とPassword にユーザーログイン資格情報を設定してください。

   その他の認証方法については、ヘルプドキュメントの「接続の確立」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、Veeva 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.vaultcrm.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 vaultcrm_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:vaultcrm:User=myuser;Password=mypassword;Server=localhost;Database=mydatabase;").option("dbtable","NorthwindProducts").option("driver","cdata.jdbc.vaultcrm.VaultCRMDriver").load()
   

3. 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。

4. Veeva をテンポラリーテーブルとして登録します:

   scala> vaultcrm_df.registerTable("northwindproducts")

5. 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> vaultcrm_df.sqlContext.sql("SELECT ProductId, ProductName FROM NorthwindProducts WHERE CategoryId = 5").collect.foreach(println)

   コンソールで、次のようなVeeva のデータを取得できました！これでVeeva との連携は完了です。

   

CData JDBC Driver for VaultCRM をApache Spark で使って、Veeva に対して、複雑かつハイパフォーマンスなクエリを実行できます。30日の無償評価版 をダウンロードしてぜひお試しください。

Apache Spark の設定