Python でHPCC Systems 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:

HPCC Python Connector

HPCC Systems 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HPCC Systems をシームレスに統合。



CData Python Connector for HPCC Systems を使って、Python petl でHPCC Systems 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 HPCC Systems とpetl フレームワークを使って、HPCC Systems に連携するPython アプリや、HPCC Systems 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HPCC Systems 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。HPCC Systems 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HPCC Systems 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)。

HPCC Systems Data への接続

HPCC Systems 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。

接続するには、次の接続プロパティを設定します。Url をサーバーのマシン名もしくはIP アドレス、およびサーバーが起動しているポートに設定します。例えば、https://server:port。Url で指定されたHPCC システムへの認証には、User およびPassword が必要です。LDAP 認証は、現在サポートされていません。

Version をWsSQL Web サーバーのバージョンに設定します。HPCC サーバーにWsSQL サービスをインストールしておく必要があることに注意してください。本製品は、HPCC システムへの連携にWsSQL Web サービスを使います。

Cluster をターゲットクラスタに設定します。

CData HPCC Systems 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HPCC Systems 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HPCC Systems 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.hpcc as mod

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

cnxn = mod.connect("URL=http://127.0.0.1:8510;User=test;password=xA123456;Version=1;Cluster=hthor;")

HPCC Systems をクエリするSQL 文の作成

HPCC Systems にはSQL でデータアクセスが可能です。hpcc::test::orders エンティティからのデータを読み出します。

sql = "SELECT CustomerName, Price FROM hpcc::test::orders WHERE ShipCity = 'New York'"

HPCC Systems 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、HPCC Systems 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,'hpcc::test::orders_data.csv')

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

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

cnxn = mod.connect("URL=http://127.0.0.1:8510;User=test;password=xA123456;Version=1;Cluster=hthor;")

sql = "SELECT CustomerName, Price FROM hpcc::test::orders WHERE ShipCity = 'New York'"

table1 = etl.fromdb(cnxn,sql)

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

etl.tocsv(table2,'hpcc::test::orders_data.csv')