Python でPhoenix データをETL

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 ApachePhoenix とpetl フレームワークを使って、Phoenix に連携するPython アプリや、Phoenix 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Phoenix 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。Phoenix 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Phoenix 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）。

Phoenix Data への接続

Phoenix 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。

Phoenix Query Server 経由でApache Phoenix に接続します。デフォルトのポートと異なる場合は、Server とPort プロパティを設定してApache Phoenix に接続します。Servre プロパティは通常、Apache Phoenix をホストしているサーバーのホスト名またはIP アドレスです。

Apache Phoenix への認証

デフォルトでは、認証は使用されません（プレーン）。サーバーに認証が設定されている場合は、AuthScheme をNEGOTIATE に設定して、 必要な場合にはUser とPassword プロパティを設定して、Kerberos で認証します。

CData Phoenix 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Phoenix 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Phoenix 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.apachephoenix as mod

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

cnxn = mod.connect("Server=localhost;Port=8765;")

Phoenix をクエリするSQL 文の作成

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

sql = "SELECT Id, Column1 FROM MyTable WHERE Id = '123456'"

Phoenix 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、Phoenix data を取得して、Column1 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,'Column1')

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

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

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

cnxn = mod.connect("Server=localhost;Port=8765;")

sql = "SELECT Id, Column1 FROM MyTable WHERE Id = '123456'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'Column1')

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