各製品の資料を入手。
詳細はこちら →
製品をチェック
HDFS のデータをR で分析：ODBC での接続
データビジュアライゼーション、ハイパフォーマンスな統計関数を使ってHDFS をMicrosoft R Open で分析。
最終更新日：2022-04-05
こんにちは！ドライバー周りのヘルプドキュメントを担当している古川です。
R スクリプトおよび 標準SQL を使ってHDFS にアクセス。CData ODBC Driver for HDFS とRODBC package を使って、R でリモートHDFS を利用できます。CData Driver を使うことで、オープンソースでポピュラーなR 言語のデータにアクセスできます。この記事では、ドライバーを使ってHDFS にSQL クエリを実行する方法、およびR でHDFS をビジュアライズする方法について説明します。
CData ODBC ドライバとは？
CData ODBC ドライバは、以下のような特徴を持ったリアルタイムデータ連携ソリューションです。
- HDFS をはじめとする、CRM、MA、会計ツールなど多様なカテゴリの270種類以上のSaaS / オンプレミスデータソースに対応
- 多様なアプリケーション、ツールにHDFS のデータを連携
- ノーコードでの手軽な接続設定
- 標準 SQL での柔軟なデータ読み込み・書き込み
CData ODBC ドライバでは、1.データソースとしてHDFS の接続を設定、2.R 側でODBC Driver との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。
CData ODBC ドライバのインストールとHDFS への接続設定
まずは、本記事右側のサイドバーからHDFS ODBC 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。
接続プロパティの指定がまだの場合は、まずODBC DSN （データソース名）で接続設定を行います。これはドライバーのインストール時に自動的に立ち上がります。Microsoft ODBC データソースアドミニストレーターを使ってODBC DSN を作成および設定できます。
HDFS 接続プロパティの取得・設定方法
HDFS への認証には、次の接続プロパティを設定します。
- Host：HDFS インスタンスのホストに設定してください。
- Port: HDFS インスタンスのポートに設定してください。デフォルトのポートは"50070" です。
RODBC パッケージをロード
ドライバーを使うにはRODBC パッケージをダウンロードします。RStudio で［Tools］>［Install Packages］をクリックし、RODBC を［Packages］ボックスに入力します。
RODBC パッケージをインストールしたら、次のコードを入力してパッケージをロードします。
library(RODBC)
ODBC データソースとしてHDFS のデータに連携
次のコードを使ってR のDSN に接続できます：
conn <- odbcConnect("CData HDFS Source")
スキーマ検出
ドライバーはHDFS API をリレーショナルデータベース、ビュー、ストアドプロシージャとしてモデル化します。次のコードを使ってテーブルリストを検出します。
sqlTables(conn)
SQL クエリの実行
sqlQuery 関数を使ってHDFS API がサポートするすべてのSQL クエリを実行します。
files <- sqlQuery(conn, "SELECT FileId, ChildrenNum FROM Files WHERE FileId = '119116'", believeNRows=FALSE, rows_at_time=1)
次のコマンドを使って、結果を［data viewer］ウィンドウで見ることができます。
View(files)
HDFS のデータをプロット
これで、CRAN レポジトリで利用可能なあらゆるデータビジュアライゼーションパッケージを使ってHDFS を分析できます。ビルトインのbar plot 関数を使って簡単なバーを作成できます：
par(las=2,ps=10,mar=c(5,15,4,2))
barplot(files$ChildrenNum, main="HDFS Files", names.arg = files$FileId, horiz=TRUE)
HDFS からR へのデータ連携には、ぜひCData ODBC ドライバをご利用ください
このようにCData ODBC ドライバと併用することで、270を超えるSaaS、NoSQL データをコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。
CData ODBC ドライバは日本のユーザー向けに、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。
関連コンテンツ
