Python でSingleStore データを変換・出力するETL 処理を作る方法

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

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。本記事では、CData Python Connector for SingleStore とpetl フレームワークを使って、SingleStore データにPython から接続してデータを変換、CSV に出力するETL 変換を実装してみます。

CData Python Connector は効率的なデータ処理によりSingleStore データ にPython から接続し、高いパフォーマンスを発揮します。SingleStore にデータをクエリする際、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SingleStore 側に行わせ、サポートされていないSQL 処理については、組み込みのSQL エンジンによりクライアント側で処理を行います（JOIN やSQL 関数など）。

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SingleStore 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.singlestore as mod

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

cnxn = mod.connect("User=myUser;Password=myPassword;Database=NorthWind;Server=myServer;Port=3306;")

データに接続するには、次の接続プロパティが必要です。

• Server：SingleStore データベースをホスティングしているサーバーのホスト名またはIP アドレス。
• Port：SingleStore データベースをホスティングしているサーバーのポート。

また、オプションで以下を設定することもできます。

• SingleStore：SingleStore Server に接続する場合のデフォルトデータベース。設定されていない場合、すべてのデータベースのテーブルが返されます。

標準認証

標準認証で認証するには、次を設定します。

• User：SingleStore サーバーに認証する際に使われるユーザー。
• Password：SingleStore サーバーに認証する際に使われるパスワード。

統合セキュリティを使用した接続

標準のユーザー名とパスワードを提供する代わりに、Windows 認証を介して信頼されたされたユーザーをサーバーに認証できます。

SSL 認証

SSL 認証を活用してセキュアなセッションを介してSingleStore データに接続できます。次の接続プロパティを設定し、データに接続します。

• SSLClientCert：クライアント証明書のための証明書ストア名に設定。クライアントとサーバーの両方のマシンでトラストストアとキーストアが保持される2-way SSL の場合に使用されます。
• SSLClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
• SSLClientCertSubject：TLS/SSL クライアント証明書のサブジェクト。ストア内の証明書を検索するために使用されます。
• SSLClientCertType：クライアントストアの証明書タイプ。
• SSLServerCert：サーバーが受け入れ可能な証明書。

SSH 認証

SSH を使用して、セキュアにリモートマシンにログインできます。SingleStore データにSSH 経由でアクセスするには、次の接続プロパティを設定します。

• SSHClientCert：クライアント証明書のための証明書ストア名に設定。
• SSHClientCertPassword：クライアント証明書ストアがパスワードで保護されている場合、この値をストアのパスワードに設定します。
• SSHClientCertSubject：TLS/SSL クライアント証明書のサブジェクト。ストア内の証明書を検索するために使用されます。
• SSHClientCertType：クライアントストアの証明書タイプ。
• SSHPassword：SSH サーバーに認証するためのパスワード。
• SSHPort：SSH 操作に使用するポート。
• SSHServer：認証しようとしているSSH 認証サーバー。
• SSHServerFingerPrint：接続先のホストの検証に使用するSSH サーバーのフィンガープリント。
• SSHUser：SSH サーバーに認証するためのユーザー名。

SingleStore をクエリするSQL 文の作成

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

sql = "SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = 'USA'"

SingleStore データ のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でETL（抽出・変換・ロード）パイプラインを組みます。この例では、SingleStore データ を取得して、ShipCity 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,'ShipCity')

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

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

おわりに

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

cnxn = mod.connect("User=myUser;Password=myPassword;Database=NorthWind;Server=myServer;Port=3306;")

sql = "SELECT ShipName, ShipCity FROM Orders WHERE ShipCountry = 'USA'"

table1 = etl.fromdb(cnxn,sql)

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

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