初めてのSQL 第3版

18章SQLとビッグデータ

本書の内容のほとんどを占めているのは、MySQLなどのリレーショナルデータベースを使うときのSQL言語のさまざまな機能です。しかし、この10年間にデータを取り巻く環境は大きく変化しており、急速に進化する今日の環境のニーズに応えるためにSQLも変化しています。ほんの数年前までもっぱらリレーショナルデータベースに頼っていた多くの組織が、今やHadoopクラスタ、データレイク、NoSQLデータベースにもデータを保管しています。それと同時に、企業は増え続けるデータから知見を得る方法を見つけ出そうと躍起になっています。そして、このデータが複数の（ひょっとしたらオンサイトとクラウドの両方の）データストアに分散していることが、このタスクを気が遠くなるほど面倒なものにしています。

SQLは何百万人もの人々によって使われており、何千ものアプリケーションに組み込まれているため、このデータを意思決定に役立つ知識にするためにSQLを活用するというのはごく当然のことです。構造化データ、半構造化データ、非構造化データにSQLをアクセスさせるために、この数年間にPresto、Apache Drill、Toad Data Pointなどの新しい種類のツールが登場しています。本章では、そうしたツールの1つであるApache Drillを取り上げ、さまざまなフォーマットでさまざまなサーバーに格納されているデータをまとめて、レポートの作成や解析に利用する方法について説明します。

18.1　Apache Drill

Hadoop、NoSQL、Spark、そしてクラウドベースの分散ファイルシステムに格納されているデータにSQLをアクセスさせるために、さまざまなツールやインターフェイスが開発されてきました。たとえば、Hadoopに格納されたデータに対してクエリを実行できるようにするための最初の試みの1つだったHiveや、さまざまなフォーマットで格納されたデータにSpark内からクエリを実行するためのライブラリであるSpark ...