SQLAlchemy ORM を使用して Python で Google Data Catalog のデータ にアクセスする方法

Python の豊富なモジュールエコシステムを活用することで、迅速に作業を開始し、システムを効果的に統合できます。CData Python Connector for Google Data Catalog と SQLAlchemy ツールキットを使用して、Google Data Catalog に接続された Python アプリケーションやスクリプトを構築できます。この記事では、SQLAlchemy を使用して Google Data Catalog のデータ に接続し、クエリを実行する方法を説明します。

CData Python Connector は最適化されたデータ処理機能を内蔵しており、Python からリアルタイムの Google Data Catalog のデータ を操作する際に比類のないパフォーマンスを提供します。Google Data Catalog に対して複雑な SQL クエリを発行すると、CData Connector はフィルタや集計などのサポートされている SQL 操作を直接 Google Data Catalog にプッシュし、サポートされていない操作（多くの場合 SQL 関数や JOIN 操作）は組み込みの SQL エンジンを使用してクライアント側で処理します。

Google Data Catalog のデータ への接続

Google Data Catalog のデータ への接続は、他のリレーショナルデータソースへの接続と同様です。必要な接続プロパティを使用して接続文字列を作成します。この記事では、接続文字列を create_engine 関数のパラメータとして渡します。

Google Data Catalog 接続プロパティの取得・設定方法

認証プロパティを追加する前に、次の接続プロパティを設定してください。

• OrganizationId：接続するGoogle Cloud Platform の組織リソースに関連付けられたID。これはGCP コンソールに移動して確認してください。 「プロジェクト」ドロップダウンメニューを開き、リストから組織へのリンクをクリックします。このページから組織ID を取得できます。
• ProjectId：接続するGCP のプロジェクトリソースに関連付けられたID。GCP コンソールのダッシュボードに移動し、「プロジェクトを選択」のメニューからお好みのプロジェクトを選択して確認してください。プロジェクトID は、「プロジェクト情報」項目に表示されます。

Google Data Catalog への認証

CData 製品は、認証にユーザーアカウント、サービスアカウント、およびGCP インスタンスアカウントの使用をサポートします。

OAuth の設定方法については、ヘルプドキュメントの「OAuth」セクションを参照してください。

以下の手順に従って SQLAlchemy をインストールし、Python オブジェクトを通じて Google Data Catalog にアクセスしてみましょう。

必要なモジュールのインストール

pip ユーティリティを使用して、SQLAlchemy ツールキットと SQLAlchemy ORM パッケージをインストールします。

pip install sqlalchemy
pip install sqlalchemy.orm

適切なモジュールをインポートします。

from sqlalchemy import create_engine, String, Column
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

Python での Google Data Catalog のデータ のモデリング

これで接続文字列を使用して接続できます。create_engine 関数を使用して、Google Data Catalog のデータ を操作するための Engine を作成します。

注意: 接続文字列のプロパティに特殊文字が含まれている場合は、URL エンコードする必要があります。詳細については、SQL Alchemy ドキュメントを参照してください。

engine = create_engine("googledatacatalog:///?ProjectId=YourProjectId")

Google Data Catalog のデータ のマッピングクラスの宣言

接続を確立したら、ORM でモデル化するテーブルのマッピングクラスを宣言します（この記事では、Schemas テーブルをモデル化します）。sqlalchemy.ext.declarative.declarative_base 関数を使用して、一部またはすべてのフィールド（カラム）を定義した新しいクラスを作成します。

base = declarative_base()
class Schemas(base):
	__tablename__ = "Schemas"
	Type = Column(String,primary_key=True)
	DatasetName = Column(String)
	...

Google Data Catalog のデータ のクエリ

マッピングクラスを準備したら、セッションオブジェクトを使用してデータソースにクエリを実行できます。Engine をセッションにバインドした後、セッションの query メソッドにマッピングクラスを渡します。

query メソッドの使用

engine = create_engine("googledatacatalog:///?ProjectId=YourProjectId")
factory = sessionmaker(bind=engine)
session = factory()
for instance in session.query(Schemas).filter_by(ProjectId="bigquery-public-data"):
	print("Type: ", instance.Type)
	print("DatasetName: ", instance.DatasetName)
	print("---------")

別の方法として、適切なテーブルオブジェクトと execute メソッドを使用することもできます。以下のコードはアクティブな session で動作します。

execute メソッドの使用

Schemas_table = Schemas.metadata.tables["Schemas"]
for instance in session.execute(Schemas_table.select().where(Schemas_table.c.ProjectId == "bigquery-public-data")):
	print("Type: ", instance.Type)
	print("DatasetName: ", instance.DatasetName)
	print("---------")

JOIN、集計、制限などのより複雑なクエリの例については、拡張機能のヘルプドキュメントを参照してください。

無料トライアルと詳細情報

CData Python Connector for Google Data Catalog の30日間の無料トライアルをダウンロードして、Google Data Catalog のデータ に接続する Python アプリとスクリプトの構築を始めましょう。ご質問がありましたら、サポートチームまでお問い合わせください。