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Kafka 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Kafka にデータ連携。
最終更新日：2023-09-04
この記事で実現できるKafka 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 ApacheKafka と組み合わせると、Spark はリアルタイムでKafka 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Kafka 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Kafka と対話するための高いパフォーマンスを提供します。Kafka 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Kafka 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Kafka を操作して分析できます。
CData JDBC Driver for ApacheKafka をインストール
まずは、本記事右側のサイドバーからApacheKafka 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Kafka のデータに接続
- ターミナルを開き、Spark shell でCData JDBC Driver for ApacheKafka JAR file をjars パラメータに設定します:
$ spark-shell --jars /CData/CData JDBC Driver for ApacheKafka/lib/cdata.jdbc.apachekafka.jar - Shell でJDBC URL を使ってKafka に接続し、SQL Context load() function でテーブルを読み込みます。
Apache Kafka 接続プロパティの取得・設定方法
.NET ベースのエディションは、Confluent.Kafka およびlibrdkafka ライブラリに依存して機能します。 これらのアセンブリはインストーラーにバンドルされ、自動的に本製品と一緒にインストールされます。 別のインストール方法を利用する場合は、NuGet から依存関係のあるConfluent.Kafka 2.6.0 をインストールしてください。
Apache Kafka サーバーのアドレスを指定するには、BootstrapServers パラメータを使用します。
デフォルトでは、本製品はデータソースとPLAINTEXT で通信し、これはすべてのデータが暗号化なしで送信されることを意味します。 通信を暗号化するには：
- UseSSL をtrue に設定し、本製品がSSL 暗号化を使用するように構成します。
- SSLServerCert およびSSLServerCertType を設定して、サーバー証明書をロードします。
Apache Kafka への認証
Apache Kafka データソースは、次の認証メソッドをサポートしています：- Anonymous
- Plain
- SCRAM ログインモジュール
- SSL クライアント証明書
- Kerberos
Anonymous
Apache Kafka の特定のオンプレミスデプロイメントでは、認証接続プロパティを設定することなくApache Kafka に接続できます。 こうした接続はanonymous（匿名）と呼ばれます。
匿名認証を行うには、このプロパティを設定します。
- AuthScheme：None。
その他の認証方法については、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、Kafka 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.apachekafka.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 apachekafka_df = spark.sqlContext.read.format("jdbc").option("url", "jdbc:apachekafka:User=admin;Password=pass;BootStrapServers=https://localhost:9091;Topic=MyTopic;").option("dbtable","SampleTable_1").option("driver","cdata.jdbc.apachekafka.ApacheKafkaDriver").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。
Kafka をテンポラリーテーブルとして登録します:
scala> apachekafka_df.registerTable("sampletable_1")-
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> apachekafka_df.sqlContext.sql("SELECT Id, Column1 FROM SampleTable_1 WHERE Column2 = 100").collect.foreach(println)コンソールで、次のようなKafka のデータを取得できました！これでKafka との連携は完了です。
CData JDBC Driver for ApacheKafka をApache Spark で使って、Kafka 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
