各製品の資料を入手。
詳細はこちら →
製品をチェック
Apache Spark でBigQuery のデータをSQL で操作する方法
CData JDBC ドライバーを使用して、Apache Spark でBigQuery にデータ連携。
最終更新日：2023-09-04
この記事で実現できるBigQuery 連携のシナリオ
こんにちは！リードエンジニアの杉本です。
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 GoogleBigQuery と組み合わせると、Spark はリアルタイムでBigQuery 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BigQuery 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BigQuery と対話するための高いパフォーマンスを提供します。BigQuery 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BigQuery 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BigQuery を操作して分析できます。
CData JDBC Driver for GoogleBigQuery をインストール
まずは、本記事右側のサイドバーからGoogleBigQuery 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BigQuery のデータに接続
- ターミナルを開き、Spark shell でCData JDBC Driver for GoogleBigQuery JAR file をjars パラメータに設定します:
$ spark-shell --jars /CData/CData JDBC Driver for GoogleBigQuery/lib/cdata.jdbc.googlebigquery.jar - Shell でJDBC URL を使ってBigQuery に接続し、SQL Context load() function でテーブルを読み込みます。
BigQuery 接続プロパティの取得・設定方法
Google BigQuery はOAuth 認証標準を使用します。個々のユーザーとしてGoogle API にアクセスするには、組み込みクレデンシャルを使うか、OAuth アプリを作成します。
OAuth では、Google Apps ドメインのユーザーとしてサービスアカウントを使ってアクセスすることもできます。サービスカウントでの認証では、OAuth JWT を取得するためのアプリケーションを登録する必要があります。
OAuth 値に加え、DatasetId、ProjectId を設定する必要があります。詳細はヘルプドキュメントの「はじめに」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、BigQuery 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.googlebigquery.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 googlebigquery_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:googlebigquery:DataSetId=MyDataSetId;ProjectId=MyProjectId;").option("dbtable","Orders").option("driver","cdata.jdbc.googlebigquery.GoogleBigQueryDriver").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。
BigQuery をテンポラリーテーブルとして登録します:
scala> googlebigquery_df.registerTable("orders")-
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> googlebigquery_df.sqlContext.sql("SELECT OrderName, Freight FROM Orders WHERE ShipCity = New York").collect.foreach(println)コンソールで、次のようなBigQuery のデータを取得できました！これでBigQuery との連携は完了です。
CData JDBC Driver for GoogleBigQuery をApache Spark で使って、BigQuery 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
関連コンテンツ
