ノーコードでクラウド上のデータとの連携を実現。
詳細はこちら →Databricks Connector の30日間無償トライアルをダウンロード
30日間の無償トライアルへ製品の詳細
Databricks Python Connector 相談したいDatabricks データ接続用のPython コネクタライブラリ。Pandas、SQLAlchemy、Dash & petl など人気のPython ツールとDatabricks を連携。
CData
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。CData Python Connector for Databricks は、pandas、Matplotlib モジュール、SQLAlchemy ツールキットから使用することで Databricks にデータ連携するPython アプリケーションを構築し、Databricks データを可視化できます。 本記事では、SQLAlchemy でDatabricks 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 Connectors は、以下のような特徴を持った製品です。
CData Python Connectors では、1.データソースとしてDatabricks の接続を設定、2.Python からPython Connectors との接続を設定、という2つのステップだけでデータソースに接続できます。以下に具体的な設定手順を説明します。
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、Databricks データに連携するEngne を作成します。
engine = create_engine("databricks///?Server=127.0.0.1&Port=443&TransportMode=HTTP&HTTPPath=MyHTTPPath&UseSSL=True&User=MyUser&Password=MyPassword")
Databricks クラスターに接続するには、以下の説明に従ってプロパティを設定します。
Note:Databricks インスタンスで必要な値は、クラスターに移動して目的のクラスターを選択し、Advanced Options の下にあるJDBC/ODBC タブを選択することで見つけることができます。
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、Customers 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 Customers(base): __tablename__ = "Customers" City = Column(String,primary_key=True) CompanyName = 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("databricks///?Server=127.0.0.1&Port=443&TransportMode=HTTP&HTTPPath=MyHTTPPath&UseSSL=True&User=MyUser&Password=MyPassword") factory = sessionmaker(bind=engine) session = factory() for instance in session.query(Customers).filter_by(Country="US"): print("City: ", instance.City) print("CompanyName: ", instance.CompanyName) 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。
Customers_table = Customers.metadata.tables["Customers"] for instance in session.execute(Customers_table.select().where(Customers_table.c.Country == "US")): print("City: ", instance.City) print("CompanyName: ", instance.CompanyName) 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。
Databricks データへの挿入には、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、Databricks にすべての追加インスタンスを送ります。
new_rec = Customers(City="placeholder", Country="US") session.add(new_rec) session.commit()
Databricks データの更新には、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、Databricks にレコードを追加します。
updated_rec = session.query(Customers).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() updated_rec.Country = "US" session.commit()
Databricks データの削除には、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(Customers).filter_by(SOME_ID_COLUMN="SOME_ID_VALUE").first() session.delete(deleted_rec) session.commit()
このようにCData Python Connector と併用することで、270を超えるSaaS、NoSQL データをPython からコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。
日本のユーザー向けにCData Python Connector は、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。