Python でHBase データをETL

詳細情報をご希望ですか?

無償トライアル:

ダウンロードへ

製品の詳細情報へ:

HBase Python Connector

Apache Hbase へのデータ連携用のPython Connecotr ライブラリ。 pandas、SQLAlchemy、Dash、petl などの主要なPython ツールにApache Hbase をシームレスに統合。



CData Python Connector for HBase を使って、Python petl でHBase data のETL 連携・パイプラインアプリケーションを作成。

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 HBase とpetl フレームワークを使って、HBase に連携するPython アプリや、HBase データをETL することが可能です。本記事では、CData Python Connector をpetl と一緒に使い、ETL 処理を実装します。

CData Python Connector は、ビルトインされた効率的なデータプロセスにより、リアルタイムHBase data データにPython からアクセスし、高いパフォーマンスと接続性を発揮します。HBase に複雑なクエリを投げる際に、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HBase 側に行わせ、サポートされていないSQL 処理については、組み込まれたSQL エンジンによりクライアント側で処理を行います(特にJOIN やSQL 関数など)。

HBase Data への接続

HBase data への連携は、RDB ソースへのアクセスと同感覚で行うことができます。必要な接続プロパティを使って接続文字列を作成します。本記事では、接続文字列をcreate_engine 関数のパラメータとして送ります。

Apache HBase への接続には、Port およびServer を設定します。

CData HBase Connector をインストールしたら、次のように必要なモジュールをインストールし、Python オブジェクトでHBase にアクセスします。

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HBase 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.apachehbase as mod

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

cnxn = mod.connect("Server=127.0.0.1;Port=8080;")

HBase をクエリするSQL 文の作成

HBase にはSQL でデータアクセスが可能です。Customers エンティティからのデータを読み出します。

sql = "SELECT CustomerName, Price FROM Customers WHERE ShipCity = 'New York'"

HBase Data のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でExtract(取得)、Transform(加工)、Load(ロード)を組みます。この例では、HBase data を取得して、Price 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,'Price')

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

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

製品の無償トライアル情報

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

cnxn = mod.connect("Server=127.0.0.1;Port=8080;")

sql = "SELECT CustomerName, Price FROM Customers WHERE ShipCity = 'New York'"

table1 = etl.fromdb(cnxn,sql)

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

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