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Databricks 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Databricks にデータ連携。
最終更新日：2023-09-04
この記事で実現できるDatabricks 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 Databricks と組み合わせると、Spark はリアルタイムでDatabricks 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Databricks 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Databricks と対話するための高いパフォーマンスを提供します。Databricks 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Databricks 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Databricks を操作して分析できます。
CData JDBC Driver for Databricks をインストール
まずは、本記事右側のサイドバーからDatabricks 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Databricks のデータに接続
- ターミナルを開き、Spark shell でCData JDBC Driver for Databricks JAR file をjars パラメータに設定します:
$ spark-shell --jars /CData/CData JDBC Driver for Databricks/lib/cdata.jdbc.databricks.jar - Shell でJDBC URL を使ってDatabricks に接続し、SQL Context load() function でテーブルを読み込みます。
Databricks 接続プロパティの取得・設定方法
Databricks クラスターに接続するには、以下のプロパティを設定します。
- Database：Databricks データベース名。
- Server：Databricks クラスターのサーバーのホスト名。
- HTTPPath：Databricks クラスターのHTTP パス。
- Token：個人用アクセストークン。この値は、Databricks インスタンスのユーザー設定ページに移動してアクセストークンタブを選択することで取得できます。
Databricks への認証
CData は、次の認証スキームをサポートしています。
- Basic
- 個人用アクセストークン
- Azure Active Directory（AD）
- Azure サービスプリンシパル
- OAuthU2M
- OAuthM2M
Basic
Basic 認証には、ユーザー名とパスワードが必要です。以下を設定します。
- AuthScheme：Basic。
- User：ユーザーネーム。これはデフォルト値（"Token"）をオーバーライドします。
- Token：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「はじめに」セクション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、Databricks 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.databricks.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 databricks_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:databricks:Server=127.0.0.1;Port=443;TransportMode=HTTP;HTTPPath=MyHTTPPath;UseSSL=True;User=MyUser;Password=MyPassword;").option("dbtable","Customers").option("driver","cdata.jdbc.databricks.DatabricksDriver").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。
Databricks をテンポラリーテーブルとして登録します:
scala> databricks_df.registerTable("customers")-
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> databricks_df.sqlContext.sql("SELECT City, CompanyName FROM Customers WHERE Country = US").collect.foreach(println)コンソールで、次のようなDatabricks のデータを取得できました！これでDatabricks との連携は完了です。
CData JDBC Driver for Databricks をApache Spark で使って、Databricks 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
