Python でSuadeo 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 Suadeo とpetl フレームワークを使って、Suadeo 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Suadeo 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。Suadeo 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Suadeo 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Suadeo 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.suadeo as mod

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

cnxn = mod.connect("URL=https://mysuadeoinstance;User=username;Password=password;AuthenticationName=your_auth_name;")

ドライバーはOAuth 2.0 のリソースオーナーパスワードクレデンシャル（ROPC）グラントを使用してSuadeo に認証します。認証は直接資格情報を使用して行われます。ブラウザーベースの認証フローやリフレッシュトークンはありません。

以下の接続プロパティを設定します：

• URL：Suadeo インスタンスのベースURL。
• User：Suadeo のユーザー名。
• Password：Suadeo のパスワード。
• AuthenticationName：Suadeo インスタンスの認証設定の名前識別子。異なる環境やユースケースに対して異なる認証名を設定できます。

接続すると、ドライバーは資格情報をSuadeo のOAuth トークンエンドポイントに送信してアクセストークンを受け取り、以降のすべてのリクエストに使用します。セッション中に必要に応じて新しいアクセストークンが自動的に取得されます。

Suadeo をクエリするSQL 文の作成

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

sql = "SELECT Id, Name FROM Customers WHERE Status = 'Active'"

Suadeo 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、Suadeo のデータ を取得して、Name 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,'Name')

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

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

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

cnxn = mod.connect("URL=https://mysuadeoinstance;User=username;Password=password;AuthenticationName=your_auth_name;")

sql = "SELECT Id, Name FROM Customers WHERE Status = 'Active'"

table1 = etl.fromdb(cnxn,sql)

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

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