Python でAzure Active Directory 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 AzureAD とpetl フレームワークを使って、Azure Active Directory 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 Active Directory 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 Active Directory 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 Active Directory 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 Active Directory 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.azuread 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 Active Directory Connector からAzure Active Directory への接続を行います

cnxn = mod.connect("OAuthClientId=MyApplicationId;OAuthClientSecret=MySecretKey;CallbackURL=http://localhost:33333;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

Azure Active Directory はOAuth 認証を使用します。OAuth で認証するには、OAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得するアプリを作成する必要があります。認証手順は、ヘルプドキュメントのOAuth セクションを参照してください。

Azure Active Directory をクエリするSQL 文の作成

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

sql = "SELECT id, availabilityStatus FROM Domains WHERE isVerified = 'TRUE'"

Azure Active Directory 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 Active Directory データ を取得して、availabilityStatus 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,'availabilityStatus')

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

CData Python Connector for AzureAD を使えば、データベースを扱う場合と同感覚で、Azure Active Directory 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 Active Directory 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 Active Directory 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.azuread as mod

cnxn = mod.connect("OAuthClientId=MyApplicationId;OAuthClientSecret=MySecretKey;CallbackURL=http://localhost:33333;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

sql = "SELECT id, availabilityStatus FROM Domains WHERE isVerified = 'TRUE'"

table1 = etl.fromdb(cnxn,sql)

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

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