Python でElasticsearch 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 Elasticsearch とpetl フレームワークを使って、Elasticsearch 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Elasticsearch 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。Elasticsearch 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Elasticsearch 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Elasticsearch 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.elasticsearch as mod

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

cnxn = mod.connect("Server=127.0.0.1;Port=9200;User=admin;Password=123456;")

Elasticsearch 接続プロパティの取得・設定方法

接続するには、Server およびPort 接続プロパティを設定します。 認証には、User とPassword プロパティ、PKI (public key infrastructure)、またはその両方を設定します。 PKI を使用するには、SSLClientCert、SSLClientCertType、SSLClientCertSubject、およびSSLClientCertPassword プロパティを設定します。

CData 製品は、認証とTLS/SSL 暗号化にX-Pack Security を使用しています。TLS/SSL で接続するには、Server 値に'https://' を接頭します。Note: PKI を 使用するためには、TLS/SSL およびクライアント認証はX-Pack 上で有効化されていなければなりません。

接続されると、X-Pack では、設定したリルムをベースにユーザー認証およびロールの許可が実施されます。

Elasticsearch をクエリするSQL 文の作成

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

sql = "SELECT OrderName, Freight FROM Orders WHERE ShipCity = 'New York'"

Elasticsearch 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、Elasticsearch データ を取得して、Freight 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,'Freight')

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

CData Python Connector for Elasticsearch を使えば、データベースを扱う場合と同感覚で、Elasticsearch 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

Elasticsearch Python Connector の30日の無償トライアル をぜひダウンロードして、Elasticsearch 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.elasticsearch as mod

cnxn = mod.connect("Server=127.0.0.1;Port=9200;User=admin;Password=123456;")

sql = "SELECT OrderName, Freight FROM Orders WHERE ShipCity = 'New York'"

table1 = etl.fromdb(cnxn,sql)

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

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