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

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

cnxn = mod.connect("User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5444")

データに接続するには、以下の接続プロパティが必要です。

• Server: EnterpriseDB データベースをホスティングしているサーバーのホスト名またはIP アドレス。
• Port: EnterpriseDB データベースをホスティングしているサーバーのポート。

オプションで、以下を設定することもできます。

• Database: EnterpriseDB サーバーに接続する場合のデフォルトのデータベース。設定されていない場合は、ユーザーのデフォルトデータベースが使用されます。

Basic 認証による接続

Basic 認証を使って認証するには、以下を設定します。

• User：EnterpriseDB サーバーに認証する際に使われるユーザー。
• Password：EnterpriseDB サーバーに認証する際に使われるパスワード。

SSL 認証による接続

SSL 認証を利用して、セキュアなセッションを介してEnterpriseDB データに接続できます。以下の接続プロパティを設定して、データに接続します。

• SSLClientCert：クライアント証明書のための証明書ストア名に設定します。クライアントとサーバーの両方のマシンでトラストストアとキーストアが保持される2-way SSL の場合に使用されます。
• SSLClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
• SSLClientCertSubject：TLS/SSL クライアント証明書のSubject。ストア内の証明書を検索するために使用されます。
• SSLClientCertType：クライアントストアの証明書タイプ。
• SSLServerCert：サーバーが受け入れ可能な証明書。

EnterpriseDB をクエリするSQL 文の作成

EnterpriseDB 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'"

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

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

cnxn = mod.connect("User=postgres;Password=admin;Database=postgres;Server=127.0.0.1;Port=5444")

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')