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

CData JDBC Driver for WordPress をインストール

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

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

   $ spark-shell --jars /CData/CData JDBC Driver for WordPress/lib/cdata.jdbc.wordpress.jar
   

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

   WordPress 接続プロパティの取得・設定方法

   現時点では、CData JDBC Driver for WordPress はセルフホスト型のWordPress インスタンスへの接続のみをサポートしています。データに接続するには、Url を自身のwordpress サイトに指定し、次に以下に説明するように認証を行います。

   URL を完全な形式で記入します。例えば、あなたのサイトが'http://localhost/wp/wordpress' でホストされている場合、URL は'http://localhost' ではなく、'http://localhost/wp/wordpress' となるべきです。 URL を完全な形式で入力しないと、'site not found' というエラーが発生します。

   WordPress は2種類の認証をサポートします。

   • Basic 認証は、テスト環境での使用が推奨されます。
   • OAuth 2.0 認証は、デスクトップアプリケーション、Web アプリケーション、またはヘッドレスマシンからのブラウザベースのアクセスをサポートします。

   Basic 認証

   Basic 認証を使用するようにWordPress を設定する前に：

   • WordPress ログインに管理者権限があることを確認してください。
   • ローカルホストで実行されているWordPress のバージョンを確認します。（WordPress 4.7 以降はネイティブでWordPress REST API サポートしていますが、それより前のバージョンでは、REST API へのアクセスを安全に行うには、Basic 認証プラグインの使用が必要です。）
   Basic 認証を構成するには：
   1. WordPress ホストにログインします。
   2. 4.7より前のバージョンのWordPress を実行している場合は、REST API プラグインをインストールしてください。
   3. Basic Authentication プラグインをインストールします。
   4. カスタムタクソノミーを作成するには、Simple Taxonomy Refreshed をインストールします。プラグインを手動でインストールしたい場合は、圧縮されたフォルダをwp-content\plugins フォルダに展開してからWordPress 管理者インターフェース経由でプラグインを有効にします。
   5. 次の接続プロパティを設定します。
      • AuthScheme：Basic。
      • Url：WordPress URL。
      • User：ユーザーネーム。
      • Password：パスワード。
   OAuth 2.0 認証についてはヘルプドキュメントを参照してください。

   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、WordPress 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.wordpress.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 wordpress_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:wordpress:Url=http://www.yourwordpresshost.com;").option("dbtable","Categories").option("driver","cdata.jdbc.wordpress.WordPressDriver").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. WordPress をテンポラリーテーブルとして登録します:

   scala> wordpress_df.registerTable("categories")

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> wordpress_df.sqlContext.sql("SELECT Id, Name FROM Categories WHERE Id = 1").collect.foreach(println)

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

   

CData JDBC Driver for WordPress をApache Spark で使って、WordPress 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