Python でGoogle Directory 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 GoogleDirectory とpetl フレームワークを使って、Google Directory 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Google Directory 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。Google Directory 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Google Directory 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Google Directory 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.googledirectory as mod

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

cnxn = mod.connect("OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost;")

Google Directory はOAuth 認証標準を利用しています。各ユーザーやドメイン内のユーザーの代わりに、CData 製品がGoogle API にアクセスすることを許可できます。 接続すると、CData 製品はデフォルトブラウザでOAuth エンドポイントを開きます。ログインして、アプリケーションにアクセス許可を与えます。CData 製品がOAuth プロセスを完了します。

詳細はヘルプドキュメントを参照してください。

Google Directory をクエリするSQL 文の作成

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

sql = "SELECT Id, Description FROM MyTable WHERE Status = 'confirmed'"

Google Directory 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、Google Directory のデータ を取得して、Description 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,'Description')

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

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

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

cnxn = mod.connect("OAuthClientId=MyOAuthClientId;OAuthClientSecret=MyOAuthClientSecret;CallbackURL=http://localhost;")

sql = "SELECT Id, Description FROM MyTable WHERE Status = 'confirmed'"

table1 = etl.fromdb(cnxn,sql)

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

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