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

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

cnxn = mod.connect("User=Admin;Password=test123;Server=localhost;Database=Northwind;Warehouse=TestWarehouse;Account=Tester1;")

Snowflake への接続には:

1. User およびPassword をSnowflake ユーザーに設定し、AuthScheme をPASSWORD もしくはOKTA に設定します。
2. URL をSnowflake インスタンスのURL に設定します(i.e.: https://myaccount.snowflakecomputing.com)。
3. Warehouse をSnowflake warehouse に設定します。
4. (Optional) Account URL が上記の形式に当てはまらない場合、Snowflake のアカウントに設定します。
5. (Optional) Database およびSchema は、参照できるテーブルやビューを制限する場合に指定します。

詳細はヘルプドキュメントを参照してください。

Snowflake をクエリするSQL 文の作成

Snowflake 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 Id = '1'"

Snowflake 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、Snowflake 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 Snowflake を使えば、データベースを扱う場合と同感覚で、Snowflake 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

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

cnxn = mod.connect("User=Admin;Password=test123;Server=localhost;Database=Northwind;Warehouse=TestWarehouse;Account=Tester1;")

sql = "SELECT Id, ProductName FROM Products WHERE Id = '1'"

table1 = etl.fromdb(cnxn,sql)

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

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