Python でCockroachDB のデータを変換・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 CockroachDB とpetl フレームワークを使って、CockroachDB 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CockroachDB 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。CockroachDB 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CockroachDB 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CockroachDB 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.cockroachdb as mod

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

cnxn = mod.connect("User=root;Password=root;Database=system;Server=localhost;Port=26257")

CockroachDB 接続プロパティの取得・設定方法

CockroachDB に接続するには以下を設定します。

• Server：サーバーのホスト名またはIP アドレス。
• Port：CockroachDB サーバーのポート番号。デフォルトのポートは26257 です。
• Database：Cockroach データベースの名前。デフォルトでは、CData 製品はユーザーのデフォルトデータベースに接続します。
• User：認証に使用されるCockroach DB ユーザーアカウント。
• Password：ユーザーの認証で使用されるパスワード。

CockroachDB をクエリするSQL 文の作成

CockroachDB 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 ShipName, ShipCity FROM Orders WHERE ShipCountry = 'USA'"

CockroachDB 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、CockroachDB のデータ を取得して、ShipCity 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,'ShipCity')

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

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

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

cnxn = mod.connect("User=root;Password=root;Database=system;Server=localhost;Port=26257")

sql = "SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = 'USA'"

table1 = etl.fromdb(cnxn,sql)

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

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