VS コード、Jupyter Notebooks、またはターミナルからSparkワークロードを実行する¶

Snowflake CLI を使用して接続を追加します。¶

Snowpark Connect for Spark がSnowflakeに接続するために使える接続プロパティを追加するために、 Snowflake CLI を使用できます。変更は config.toml ファイルに保存されます。

1. snow connection コマンドを使用して接続を追加するには、次のコマンドを実行します：追加 コマンド

   snow connection add
   

   Copy

2. プロンプトに従って接続を定義します。

   必ず接続名に spark-connect を指定してください。

   このコマンドは次の例のように、 config.toml ファイルに接続を追加します。

   [connections.spark-connect]
   host = "example.snowflakecomputing.com"
   port = 443
   account = "example"
   user = "test_example"
   password = "password"
   protocol = "https"
   warehouse = "example_wh"
   database = "example_db"
   schema = "public"
   

   Copy

3. 以下のコマンドを実行して、接続が機能することを確認します。

   Snowflake CLI を使用して接続を追加した場合は、この方法でテストできます。

   snow connection list
   snow connection test --connection spark-connect
   

   Copy

接続ファイルを手動で書き込んで接続を追加する¶

Snowflake上でコードが Snowpark Connect for Spark に接続できるように、 connections.toml ファイルを手動で記述または更新できます。

1. 次のコマンドを実行して、 connections.toml ファイルでは、所有者（ユーザー）のみが読み取りおよび書き込みアクセスできることを確認します。

   chmod 0600 "~/.snowflake/connections.toml"
   

   Copy

2. 次の例の接続プロパティを使用した [spark-connect] 接続が含まれるように、connections.toml ファイルを編集します。

   値を独自の接続仕様に置き換えてください。

   [spark-connect]
   host="my_snowflake_account.snowflakecomputing.com"
   account="my_snowflake_account"
   user="my_user"
   password="&&&&&&&&"
   warehouse="my_wh"
   database="my_db"
   schema="public"
   

   Copy

Snowpark Connect for Spark をインストールする¶

Pythonパッケージとして Snowpark Connect for Spark をインストールできます。

1. Pythonの仮想環境を作成します。

   python3 --version を実行して、Pythonバージョンが3.10以降で3.13以前であることを確認します。

   python3 -m venv .venv
   source .venv/bin/activate
   

   Copy

2. Snowpark Connect for Spark パッケージをインストールします。

   pip install --upgrade --force-reinstall 'snowpark-connect[jdk]'
   

   Copy

3. Snowpark Connect for Spark サーバーを開始して Snowpark Connect for Spark セッションを作成するには、Pythonコードを追加します。

   from snowflake import snowflake.snowpark_connect
   
   # Import snowpark_connect *before* importing pyspark libraries
   from pyspark.sql.types import Row
   
   spark = snowflake.snowpark_connect.server.init_spark_session()
   

   Copy

ステップ1: Snowpark Connect for Spark 環境を設定する¶

次のトピックで説明されているステップを使用して、環境を設定します。

1. Python仮想環境を作成し、Snowpark Connectをインストールする

2. 接続を設定する

ステップ2: Snowpark Connect for Spark サーバースクリプトを作成してサーバーを起動する¶

1. Pythonスクリプトを作成して Snowpark Connect for Spark サーバーを起動します。

   # launch-snowpark-connect.py
   
   from snowflake import snowpark_connect
   
   def main():
       snowpark_connect.start_session(is_daemon=False, remote_url="sc://localhost:15002")
       print("SAS started on port 15002")
   
   if __name__ == "__main__":
       main()
   

   Copy

2. Snowpark Connect for Spark サーバーを起動します。

   # Make sure you're in the correct Python environment
   pyenv activate your-snowpark-connect-env
   
   # Run the server script
   python launch-snowpark-connect.py
   

   Copy

ステップ3：ステップ3: Scalaアプリケーションを設定する¶

1. Spark Connectクライアントの依存関係をbuild.sbtファイルに追加します。

   libraryDependencies += "org.apache.spark" %% "spark-connect-client-jvm" % "3.5.6"
   
   // Add JVM options for Java 9+ module system compatibility
   javaOptions ++= Seq(
     "--add-opens=java.base/java.nio=ALL-UNNAMED"
   )
   

   Copy

2. Scalaコードを実行して Snowpark Connect for Spark サーバーに接続します。

   import org.apache.spark.sql.SparkSession
   import org.apache.spark.sql.connect.client.REPLClassDirMonitor
   
   object SnowparkConnectExample {
     def main(args: Array[String]): Unit = {
       // Create Spark session with Snowpark Connect
       val spark = SparkSession.builder().remote("sc://localhost:15002").getOrCreate()
   
       // Register ClassFinder for UDF support (if needed)
       // val classFinder = new REPLClassDirMonitor("target/scala-2.12/classes")
       // spark.registerClassFinder(classFinder)
   
       try {
         // Simple DataFrame operations
         import spark.implicits._
   
         val data = Seq(
           (1, "Alice", 25),
           (2, "Bob", 30),
           (3, "Charlie", 35)
         )
   
         val df = spark.createDataFrame(data).toDF("id", "name", "age")
   
         println("Original DataFrame:")
         df.show()
   
         println("Filtered DataFrame (age > 28):")
         df.filter($"age" > 28).show()
   
         println("Aggregated result:")
         df.groupBy().avg("age").show()
   
       } finally {
         spark.stop()
       }
     }
   }
   

   Copy

3. アプリケーションをコンパイルして実行します。

   # Compile your Scala application
   sbt compile
   
   # Run the application
   sbt "runMain SnowparkConnectExample"
   

   Copy

Snowpark Connect for Spark でのScala UDF サポート¶

ユーザー定義関数またはカスタムコードを使用する場合は、以下のいずれかを実行します。

• クラスファイルを監視およびアップロードするためのクラス検索者を登録します。

  import org.apache.spark.sql.connect.client.REPLClassDirMonitor
  
  val classFinder = new REPLClassDirMonitor("/absolute/path/to/target/scala-2.12/classes")
  spark.registerClassFinder(classFinder)
  

  Copy

• 必要に応じて、JAR 依存関係をアップロードします。クラスファインダーが使用されていない場合は、ワークロード JAR 自体を含めることができます。

  spark.addArtifact("/absolute/path/to/dependency.jar")
  

  Copy

• ステージングされた JAR を使用します。

  spark.conf.set("snowpark.connect.udf.java.imports", "[@mystage/dependency.jar, @db.schema.stage/other_dependency.jar]")
  

  Copy

Scala 2.13の使用¶

デフォルトでは Snowpark Connect for Spark はScala 2.12を使用します。Scala 2.13で構築されたワークロードは、「snowpark.connect.scala.version」設定オプションを使用してScalaバージョンを指定する必要があります。

// Directly in the session builder
val spark = SparkSession.builder()
  .remote("sc://localhost:15002")
  .config("snowpark.connect.scala.version", "2.13")
  .getOrCreate()

// Or via session configuration
spark.conf.set("snowpark.connect.scala.version", "2.13")

トラブルシューティング Snowpark Connect for Spark インストール¶

次のチェックリストを使用して、Snowpark Connect for Spark のインストールと使用のトラブルシューティングを行うことができます。

• JavaおよびPythonが :ref:` 同じアーキテクチャに基づく <label-snowpark_connect_jupyter_prereq>` ことを確認します。

• Snowpark Connect for Spark をインストールする で説明されているように、最新の Snowpark Connect for Spark パッケージファイルを作成します。

• PySpark コードを使用した Python コマンドが、ローカル実行に対して正しく動作すること、つまり、Snowflakeへの接続なしで実行されることを確認します。

  たとえば、次のようなコマンドを実行します。

  python your_pyspark_file.py
  

  Copy

ステップ1：必要なパッケージをインストールする¶

• pyspark をインストールします。Snowflakeパッケージをインストールする必要はありません。

  pip install "pyspark[connect]>=3.5.0,<4"
  

  Copy

ステップ2: 設定と認証¶

1. プログラムによるアクセストークン（PAT）を生成します。

   詳細については、次のトピックをご参照ください。

   • 認証のためのプログラム アクセス トークンの使用

   • ALTER USER ... ADD PROGRAMMATIC ACCESS TOKEN (PAT)

   次の例では、ユーザー sysadmin に対して TEST_PAT という名前の PAT を追加し、有効期限を30日に設定します。

   ALTER USER add PAT TEST_PAT ROLE_RESTRICTION = sysadmin DAYS_TO_EXPIRY = 30;
   

   Copy

2. SnowflakeのSpark Connectホスト URL を見つけます。

   Snowflakeで次の SQL を実行し、アカウントのホスト名を検索します。

   SELECT t.VALUE:type::VARCHAR as type,
          t.VALUE:host::VARCHAR as host,
          t.VALUE:port as port
     FROM TABLE(FLATTEN(input => PARSE_JSON(SYSTEM$ALLOWLIST()))) AS t where type = 'SNOWPARK_CONNECT';
   

   Copy

ステップ3：ステップ3: Spark Connectサーバーに接続する¶

• Spark Connectサーバーに接続するには、次のようなコードを使用します。

  from pyspark.sql import SparkSession
  import urllib.parse
  
  # Replace with your actual PAT.
  pat = urllib.parse.quote("<pat>", safe="")
  
  # Replace with your Snowpark Connect host from the above SQL query.
  snowpark_connect_host = ""
  
  # Define database/schema/warehouse for executing your Spark session in Snowflake (recommended); otherwise, it will be resolved from your default_namespace and default_warehouse
  
  db_name = urllib.parse.quote("TESTDB", safe="")
  schema_name = urllib.parse.quote("TESTSCHEMA", safe="")
  warehouse_name = urllib.parse.quote("TESTWH", safe="")
  
  spark = SparkSession.builder.remote(f"sc://{snowpark_connect_host}/;token={pat};token_type=PAT;database={db_name};schema={schema_name};warehouse={warehouse_name}").getOrCreate()
  
  # Spark session is ready to use. You can write regular Spark DataFrame code, as in the following example:
  
  from pyspark.sql import Row
  
  df = spark.createDataFrame([
      Row(a=1, b=2.),
      Row(a=2, b=3.),
      Row(a=4, b=5.),])
  print(df.count())
  

  Copy