今すぐお試しください!

製品の詳細CData Python Connector for Google BigQuery を確認して、無償評価版をダウンロード:

今すぐダウンロード

Python でBigQuery データをETL

CData Python Connector for BigQuery を使って、Python petl でBigQuery data のETL 連携・パイプラインアプリケーションを作成。

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 BigQuery とpetl フレームワークを使って、BigQuery に連携するPython アプリや、BigQuery データをETL することが可能です。本記事では、CData Python Connector をpetl と一緒に使い、ETL 処理を実装します。

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BigQuery 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。BigQuery 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BigQuery 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)。

BigQuery Data への接続

BigQuery 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。

Google はOAuth 認証標準を使用します。個々のユーザーとしてGoogle API にアクセスするには、組み込みクレデンシャルを使うか、OAuth アプリを作成します。

OAuth では、Google Apps ドメインのユーザーとしてサービスアカウントを使ってアクセスすることもできます。サービスカウントでの認証では、OAuth JWT を取得するためのアプリケーションを登録する必要があります。

OAuth 値に加え、DatasetId、ProjectId を設定する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。

CData BigQuery Connector をインストールしたら、次のように必要なモジュールをインストールし、Python オブジェクトでBigQuery にアクセスします。

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BigQuery 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.googlebigquery as mod

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

cnxn = mod.connect("DataSetId=MyDataSetId;ProjectId=MyProjectId;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

BigQuery をクエリするSQL 文の作成

BigQuery 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'"

BigQuery Data のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でExtract(取得)、Transform(加工)、Load(ロード)を組みます。この例では、BigQuery data 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 BigQuery を使えば、データベースを扱う場合と同感覚で、BigQuery data 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。

製品の無償トライアル情報

BigQuery Python Connector の30日の無償トライアル をぜひダウンロードして、BigQuery 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。



フルソースコード

import petl as etl
import pandas as pd
import cdata.googlebigquery as mod

cnxn = mod.connect("DataSetId=MyDataSetId;ProjectId=MyProjectId;InitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")

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')
 
 
ダウンロード