Python でAzure Synapse 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 AzureSynapse とpetl フレームワークを使って、Azure Synapse 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 Synapse 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 Synapse 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 Synapse 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 Synapse 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.azuresynapse 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 Synapse Connector からAzure Synapse への接続を行います

cnxn = mod.connect("User=myuser;Password=mypassword;Server=localhost;Database=Northwind;")

Azure Synapse への接続

Azure Synapse データベースに接続するには、認証に加えて（下記参照）、次のプロパティを設定します。

• Server：Azure を実行しているサーバー。Azure ポータルにログインして、［Azure Synapse Analytics］->［Select your database］->［Overview］->［Server name］に進むと確認できます。
• Database：［Azure Synapse Analytics］ページのAzure ポータルに表示されるデータベース名。

Azure Synapse への認証

次のプロパティを使用してAzure Synapse に接続します。

• User：Azure との認証のためのユーザー名。
• Password：認証ユーザーに関連付けられたパスワード。

Azure Synapse をクエリするSQL 文の作成

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

sql = "SELECT Id, ProductName FROM Products WHERE ProductName = 'Konbu'"

Azure Synapse 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 Synapse データ を取得して、ProductName 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,'ProductName')

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

CData Python Connector for AzureSynapse を使えば、データベースを扱う場合と同感覚で、Azure Synapse 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 Synapse 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 Synapse 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.azuresynapse as mod

cnxn = mod.connect("User=myuser;Password=mypassword;Server=localhost;Database=Northwind;")

sql = "SELECT Id, ProductName FROM Products WHERE ProductName = 'Konbu'"

table1 = etl.fromdb(cnxn,sql)

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

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