Python でPresto 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:

Presto Python Connector

Presto 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Presto をシームレスに統合。



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

Presto Data への接続

Presto 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。

Presto への接続には、まずはServer およびPort を接続プロパティとして設定します。それ以外の追加項目は接続方式によって異なります。

TLS/SSL を有効化するには、UseSSL をTRUE に設定します。

LDAP で認証

LDAP で認証するには、次の接続プロパティを設定します:

  • AuthScheme: LDAP に設定。
  • User: LDAP で接続するユーザー名。
  • Password: LDAP で接続するユーザーのパスワード。

Kerberos 認証

KERBEROS 認証を使う場合には、以下を設定します:

  • AuthScheme: KERBEROS に設定。
  • KerberosKDC: 接続するユーザーのKerberos Key Distribution Center (KDC) サービス。
  • KerberosRealm: 接続するユーザーのKerberos Realm 。
  • KerberosSPN: Kerberos Domain Controller のService Principal Name。
  • KerberosKeytabFile: Kerberos principals とencrypted keys を含むKeytab file。
  • User: Kerberos のユーザー。
  • Password: Kerberos で認証するユーザーのパスワード。

CData Presto 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Presto 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Presto 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.presto as mod

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

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

Presto をクエリするSQL 文の作成

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

sql = "SELECT FirstName, LastName FROM Customer WHERE Id = '123456789'"

Presto 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、Presto data を取得して、LastName 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,'LastName')

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

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

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

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

sql = "SELECT FirstName, LastName FROM Customer WHERE Id = '123456789'"

table1 = etl.fromdb(cnxn,sql)

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

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