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

SAP HANA Data への接続

SAP HANA 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。

Server、Database、およびPort プロパティを設定して、対話するSAP Hana データベースのアドレスを指定します。User およびPassword プロパティを設定してサーバーへ認証します。

CData SAP HANA 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SAP HANA 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SAP HANA 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.saphana as mod

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

cnxn = mod.connect("User=system;Password=mypassword;Server=localhost;Database=systemdb;")

SAP HANA をクエリするSQL 文の作成

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

sql = "SELECT Name, OwnerId FROM Buckets WHERE Name = 'TestBucket'"

SAP HANA 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、SAP HANA data を取得して、OwnerId 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,'OwnerId')

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

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

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

cnxn = mod.connect("User=system;Password=mypassword;Server=localhost;Database=systemdb;")

sql = "SELECT Name, OwnerId FROM Buckets WHERE Name = 'TestBucket'"

table1 = etl.fromdb(cnxn,sql)

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

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