Python でCouchDB 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 ApacheCouchDB とpetl フレームワークを使って、CouchDB 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CouchDB 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。CouchDB 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CouchDB 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CouchDB 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.apachecouchdb as mod

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

cnxn = mod.connect("Url=http://localhost:5984;User=abc123;Password=abcdef;")

Apache CouchDB 接続プロパティの取得・設定方法

それでは、Apache CouchDB に接続していきましょう。Url 接続プロパティをApache CouchDB インスタンスのURL に設定します。例：http://localhost:5984

ユーザー（またはJWT）が特定のデータベースだけにアクセスできるようにしたい場合は、Apache CouchDB インスタンスで"admin_only_all_dbs" オプションを設定し、テーブルをリストするためにCData 製品が必要とする"/_all_dbs" エンドポイントへのアクセス権をすべてのユーザーに付与する必要があります。

Apache CouchDB への認証

続いて、認証方法を設定しましょう。CData 製品では、3種類の認証をサポートしています。

• Basic：基本的なユーザー名 / パスワード認証
• JWT：JWT 認証
• None：パブリックなデータベースへの匿名アクセス

Basic 認証

データに接続するには、以下のプロパティを設定してください。

• AuthScheme：Basic
• User：認証に使用されるApache CouchDB ユーザーアカウント
• Password：認証するユーザーに関連付けられたApache CouchDB パスワード

その他の認証方法については、ヘルプドキュメントの「接続の確立」セクションをご確認ください。

CouchDB をクエリするSQL 文の作成

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

sql = "SELECT MovieRuntime, MovieRating FROM Movies WHERE MovieRating = 'R'"

CouchDB 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、CouchDB のデータ を取得して、MovieRating 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,'MovieRating')

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

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

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

cnxn = mod.connect("Url=http://localhost:5984;User=abc123;Password=abcdef;")

sql = "SELECT MovieRuntime, MovieRating FROM Movies WHERE MovieRating = 'R'"

table1 = etl.fromdb(cnxn,sql)

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

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