Python でDB2 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 DB2 とpetl フレームワークを使って、DB2 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DB2 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。DB2 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DB2 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DB2 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.db2 as mod

接続文字列で接続を確立します。connect 関数を使って、CData DB2 Connector からDB2 への接続を行います

cnxn = mod.connect("Server=10.0.1.2;Port=50000;User=admin;Password=admin;Database=test;")

DB2 への接続には以下を入力します：

• Server: DB2 が稼働しているサーバー。
• Port: DB2 サーバーのポート。
• Database: DB2 のデータベース。
• User: DB にアクセスする権限のあるユーザー名。
• Password: DB にアクセスする権限のあるユーザーのパスワード。

対応するDB2 のドライバーをインストールする必要があります。

• Windows: IBM Data Server Provider for .NET

  Windows では、IBM Data Server Provider をインストールするだけで十分です。インストールがmachine.config への書き込みを行います。

• Java: IBM Data Server Driver for JDBC

  Java では、IBM Data Server Driver JAR をアプリケーションのwww\WEB-INF\lib\ フォルダに配置する必要があります。

パスワード方式によるSSH 接続

パスワード方式によるSSH接続時に必要なプロパティ一覧を以下に示します。

• User: DB2 のユーザ
• Password: DB2 のパスワード
• Database: DB2 の接続先データベース
• Server: DB2 のサーバー
• Port: DB2 のポート
• UserSSH: "true"
• SSHAuthMode: "Password"
• SSHPort: SSH のポート
• SSHServer: SSH サーバー
• SSHUser: SSH ユーザー
• SSHPassword: SSH パスワード

接続文字列形式では以下のようになります。

公開鍵認証方式方式によるSSH 接続

公開鍵認証によるSSH接続時に必要なプロパティ一覧を以下に示します。

• User: DB2 のユーザ
• Password: DB2 のパスワード
• Database: DB2 の接続先データベース
• Server: DB2 のサーバー
• Port: DB2 のポート
• UserSSH: "true"
• SSHAuthMode: "Public_Key"
• SSHClientCertType: キーストアの種類
• SSHPort: SSH のポート
• SSHServer: SSH サーバー
• SSHUser: SSH ユーザー
• SSHClientCert: 秘密鍵ファイルのパス

接続文字列形式では以下のようになります。

DB2 をクエリするSQL 文の作成

DB2 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'"

DB2 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、DB2 のデータ 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 DB2 を使えば、データベースを扱う場合と同感覚で、DB2 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

DB2 Python Connector の30日の無償トライアル をぜひダウンロードして、DB2 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.db2 as mod

cnxn = mod.connect("Server=10.0.1.2;Port=50000;User=admin;Password=admin;Database=test;")

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')