Python でAzure Table データを変換・出力するETL 処理を作る方法

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

Pythonエコシステムには多くのモジュールがあり、システム構築を素早く効率的に行うことができます。本記事では、CData Python Connector for AzureTables とpetl フレームワークを使って、Azure Table データにPython から接続してデータを変換、CSV に出力するETL 変換を実装してみます。

CData Python Connector は効率的なデータ処理によりAzure Table データ にPython から接続し、高いパフォーマンスを発揮します。Azure Table にデータをクエリする際、ドライバーはフィルタリング、集計などがサポートされている場合SQL 処理を直接Azure Table 側に行わせ、サポートされていないSQL 処理については、組み込みのSQL エンジンによりクライアント側で処理を行います（JOIN やSQL 関数など）。

必要なモジュールのインストール

pip で必要なモジュールおよびフレームワークをインストールします：

pip install petl
pip install pandas

Python でAzure Table データをETL 処理するアプリを構築

モジュールとフレームワークをインストールしたら、ETL アプリケーションを組んでいきます。コードのスニペットは以下の通りです。フルコードは記事の末尾に付いています。

CData Connector を含むモジュールをインポートします。

import petl as etl
import pandas as pd
import cdata.azuretables as mod

接続文字列で接続を確立します。connect 関数を使って、CData Azure Table Connector からAzure Table への接続を行います

cnxn = mod.connect("AccessKey=myAccessKey;Account=myAccountName;")

Account プロパティをストレージアカウント名に設定し、ストレージアカウントのAccessKey を設定して接続します。これらの値を取得する方法は次のとおりです。

ストレージをBackend として使用している場合（デフォルト）

• Azure ポータルにログインし、左側の「サービス」メニューで「ストレージアカウント」を選択します。
• ストレージアカウントがない場合は、「追加」ボタンをクリックしてアカウントを作成します。
• 使用するストレージアカウントのリンクをクリックし、「設定」の「アクセスキー」を選択します。 「アクセスキー」ウィンドウには、ストレージアカウント名とCData 製品で使用するキー（接続にはkey1またはkey2のどちらかを使用できます）が含まれています。これらのプロパティは、それぞれAccount とAccessKey 接続プロパティにマッピングされます。

Azure SQL への接続

• Azure ポータルにログインし、左側の「サービス」メニューで「Azure Cosmos DB」を選択します。
• 使用するCosmos DB アカウントのリンクをクリックし、「設定」の「接続文字列」を選択します。 「接続文字列」ウィンドウには、Cosmos DB アカウント名とCData 製品で使用する主キーが含まれています。これらのプロパティは、それぞれAccount とAccessKey 接続プロパティにマッピングされます。

Azure Table をクエリするSQL 文の作成

Azure Table にはSQL でデータアクセスが可能です。NorthwindProducts エンティティからのデータを読み出します。

sql = "SELECT Name, Price FROM NorthwindProducts WHERE ShipCity = 'New York'"

Azure Table データ のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でETL（抽出・変換・ロード）パイプラインを組みます。この例では、Azure Table データ を取得して、Price カラムでデータをソートして、CSV ファイルにデータをロードします。

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Price')

etl.tocsv(table2,'northwindproducts_data.csv')

CData Python Connector for AzureTables を使えば、データベースを扱う場合と同感覚で、Azure Table データ を扱うことができ、petl のようなETL パッケージから直接データにアクセスが可能になります。

おわりに

Azure Table Python Connector の30日の無償トライアル をぜひダウンロードして、Azure Table データ への接続をPython アプリやスクリプトから簡単に作成しましょう。

フルソースコード

import petl as etl
import pandas as pd
import cdata.azuretables as mod

cnxn = mod.connect("AccessKey=myAccessKey;Account=myAccountName;")

sql = "SELECT Name, Price FROM NorthwindProducts WHERE ShipCity = 'New York'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Price')

etl.tocsv(table2,'northwindproducts_data.csv')