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

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

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

Teradata に接続するには、次の認証情報を提供し、データベースサーバー名を指定します。

• User: Teradata ユーザーのユーザー名に設定。
• Password: Teradata ユーザーのパスワードに設定。
• DataSource: Teradata サーバー名、DBC 名、またはTDPID を指定。
• Port: サーバーが実行されているポートを指定。
• Database: データベース名を指定。指定されない場合は、CData 製品はデフォルトデータベースに接続されます。

Teradata をクエリするSQL 文の作成

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

sql = "SELECT ProductId, ProductName FROM NorthwindProducts WHERE CategoryId = '5'"

Teradata 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、Teradata 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,'northwindproducts_data.csv')

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

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

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

sql = "SELECT ProductId, ProductName FROM NorthwindProducts WHERE CategoryId = '5'"

table1 = etl.fromdb(cnxn,sql)

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

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