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

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 API とpetl フレームワークを使って、Parallel のデータに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Parallel のデータ にPython から接続し、高いパフォーマンスを発揮します。Parallel 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Parallel 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Parallel のデータを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.api as mod

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

cnxn = mod.connect("Profile=C:\profiles\Parallel.apip;AuthScheme=APIKey;ProfileSettings='APIKey=your_api_key';")

Parallel API は、x-api-key リクエストヘッダーを介した API キー認証を使用します。

API キー認証の設定

接続を作成するには、Parallel の API キーが必要です。API キーを取得するには、以下のステップで進めます：

1. app.parallel.ai で Parallel アカウントにログインします。
2. アカウントダッシュボードの Settings または API Keys に移動します。
3. API キーを生成するか、コピーします。

API キーを取得したら、以下の接続プロパティを設定します：

• AuthScheme：APIKey に設定します。
• APIKey：Parallel の API キーに設定します。

接続文字列の例：

Profile=C:\profiles\Parallel.apip;AuthScheme=APIKey;ProfileSettings='APIKey=your_api_key';

Parallel をクエリするSQL 文の作成

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

sql = "SELECT ,  FROM MonitorEvents WHERE MonitorId = 'mon_abc123'"

Parallel 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、Parallel のデータ を取得して、 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,'')

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

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

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

cnxn = mod.connect("Profile=C:\profiles\Parallel.apip;AuthScheme=APIKey;ProfileSettings='APIKey=your_api_key';")

sql = "SELECT ,  FROM MonitorEvents WHERE MonitorId = 'mon_abc123'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'')

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