本記事では CData サポート担当からこんなことを聞かれたらどこを確認すべきか?という観点で、よく頂くお問合せ内容をご紹介します。
記事はこちら →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。CData Python Connector for ActOn は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで Act-On にデータ連携するPython アプリケーションを構築し、Act-On data をビジュアライズできます。 本記事では、SQLAlchemy でAct-On に連携して、データを取得、、更新、挿入、削除 する方法を説明します。
CData Python Connector は、ビルトインされた効率的なデータプロセスにより、リアルタイムAct-On data データにPython からアクセスし、高いパフォーマンスと接続性を発揮します。Act-On に複雑なクエリを投げる際に、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Act-On 側に行わせ、サポートされていないSQL 処理については、組み込まれたSQL エンジンによりクライアント側で処理を行います(特にJOIN やSQL 関数など)。
Act-On data への連携は、RDB ソースへのアクセスと同感覚で行うことができます。必要な接続プロパティを使って接続文字列を作成します。本記事では、接続文字列をcreate_engine 関数のパラメータとして送ります。
ActOn はOAuth 認証標準を利用しています。OAuth を使って認証するには、アプリケーションを作成してOAuthClientId、OAuthClientSecret、およびCallbackURL 接続プロパティを取得する必要があります。
認証方法についての詳細は、ヘルプドキュメントの「認証の使用」を参照してください。
以下の手順でSQLAlchemy をインストールして、Python オブジェクトからAct-On に接続します。
pip でSQLAlchemy ツールキットをインストールします:
pip install sqlalchemy
モジュールのインポートを忘れずに行います:
import sqlalchemy
次は、接続文字列で接続を確立します。create_engine 関数を使って、Act-On data に連携するEngne を作成します。
engine = create_engine("acton///?InitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")
接続を確立したら、OR マッパーでモデル化するテーブルのマッピングクラスを宣言します。本記事では、Images テーブルを使います。sqlalchemy.ext.declarative.declarative_base 関数を使って、新しいクラスにフィールド(カラム)を定義します。
base = declarative_base() class Images(base): __tablename__ = "Images" Id = Column(String,primary_key=True) Name = Column(String) ...
マッピングクラスができたので、セッションオブジェクトを使ってデータソースをクエリすることができます。セッションにEngine をバインドして、セッションのquery メソッドにマッピングクラスを提供します。
engine = create_engine("acton///?InitiateOAuth=GETANDREFRESH&OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt") factory = sessionmaker(bind=engine) session = factory() for instance in session.query(Images).filter_by(FolderName="New Folder"): print("Id: ", instance.Id) print("Name: ", instance.Name) print("---------")
ほかの方法としては、execute メソッドを適切なテーブルオブジェクトに使うことが可能です。以下のコードはアクティブなsession に対して有効です。
Images_table = Images.metadata.tables["Images"] for instance in session.execute(Images_table.select().where(Images_table.c.FolderName == "New Folder")): print("Id: ", instance.Id) print("Name: ", instance.Name) print("---------")
より複雑なクエリとして、JOIN、集計、Limit などが利用可能です。詳細はヘルプドキュメントをご覧ください。
Act-On data への挿入には、マップされたクラスのインスタンスを定義し、アクティブな session に追加します。commit 関数を呼び出して、Act-On にすべての追加インスタンスを送ります。
new_rec = Images(Id="placeholder", FolderName="New Folder") session.add(new_rec) session.commit()
Act-On data の更新には、更新するレコードをフィルタクエリとともにフェッチします。そして、フィールドの値を変更し、セッションでcommit 関数を呼んで、Act-On にレコードを追加します。
updated_rec = session.query(Images).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() updated_rec.FolderName = "New Folder" session.commit()
Act-On data の削除には、フィルタクエリと一緒に対象となるレコードをフェッチします。そして、アクティブsession でレコードを削除し、セッションでcommit 関数を呼び出して、該当するレコードの削除を実行します。
deleted_rec = session.query(Images).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() session.delete(deleted_rec) session.commit()
Act-On Python Connector の30日の無償トライアル をぜひダウンロードして、Act-On data 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。