各製品の資料を入手。
詳細はこちら →
製品をチェック
Python でCassandra のデータを変換・出力するETL 処理を作る方法
CData Python Connector とpetl モジュールを使って、Cassandra のデータを変換後にCSV ファイルに吐き出すETL 処理を実装します。
最終更新日：2023-09-23
この記事で実現できるCassandra 連携のシナリオ
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 Cassandra とpetl フレームワークを使って、Cassandra のデータに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Cassandra のデータ にPython から接続し、高いパフォーマンスを発揮します。Cassandra 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Cassandra 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Cassandra のデータを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.cassandra as mod
接続文字列で接続を確立します。connect 関数を使って、CData Cassandra Connector からCassandra への接続を行います
cnxn = mod.connect("Database=MyCassandraDB;Port=7000;Server=127.0.0.1;")
Cassandra 接続プロパティの取得・設定方法
Cassandra への接続には、Server、Port、Database を接続プロパティとして設定します。追加で、内部認証を使う場合には、User、Password を接続プロパティに設定します。
Cassandra をクエリするSQL 文の作成
Cassandra にはSQL でデータアクセスが可能です。Customer エンティティからのデータを読み出します。
sql = "SELECT City, TotalDue FROM Customer WHERE FirstName = 'Bob'"
Cassandra 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、Cassandra のデータ を取得して、TotalDue 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,'TotalDue') etl.tocsv(table2,'customer_data.csv')
CData Python Connector for Cassandra を使えば、データベースを扱う場合と同感覚で、Cassandra のデータ 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
Cassandra Python Connector の30日の無償トライアル をぜひダウンロードして、Cassandra のデータ 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.cassandra as mod
cnxn = mod.connect("Database=MyCassandraDB;Port=7000;Server=127.0.0.1;")
sql = "SELECT City, TotalDue FROM Customer WHERE FirstName = 'Bob'"
table1 = etl.fromdb(cnxn,sql)
table2 = etl.sort(table1,'TotalDue')
etl.tocsv(table2,'customer_data.csv')
関連コンテンツ
