各製品の資料を入手。
詳細はこちら →CData
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 Cassandra とpetl フレームワークを使って、Cassandra 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Cassandra 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。Cassandra 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Cassandra 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)。
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
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.cassandra as mod
接続文字列で接続を確立します。connect 関数を使って、CData Cassandra Connector からCassandra への接続を行います
cnxn = mod.connect("Database=MyCassandraDB;Port=7000;Server=127.0.0.1;")
Cassandra への接続には、Server、Port、Database を接続プロパティとして設定します。追加で、内部認証を使う場合には、User、Password を接続プロパティに設定します。
Cassandra にはSQL でデータアクセスが可能です。Customer エンティティからのデータを読み出します。
sql = "SELECT City, TotalDue FROM Customer WHERE FirstName = 'Bob'"
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、Cassandra データ を取得して、TotalDue 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,'TotalDue') etl.tocsv(table2,'customer_data.csv')
CData Python Connector for Cassandra を使えば、データベースを扱う場合と同感覚で、Cassandra 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。
Cassandra Python Connector の30日の無償トライアル をぜひダウンロードして、Cassandra 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。
import petl as etl import pandas as pd import cdata.cassandra as mod cnxn = mod.connect("Database=MyCassandraDB;Port=7000;Server=127.0.0.1;") sql = "SELECT City, TotalDue FROM Customer WHERE FirstName = 'Bob'" table1 = etl.fromdb(cnxn,sql) table2 = etl.sort(table1,'TotalDue') etl.tocsv(table2,'customer_data.csv')