Python でSalesforce Data Cloud 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 SalesforceDataCloud とpetl フレームワークを使って、Salesforce Data Cloud 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Salesforce Data Cloud 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。Salesforce Data Cloud 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Salesforce Data Cloud 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Salesforce Data Cloud 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.salesforcedatacloud as mod

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

cnxn = mod.connect("")

それでは、Salesforce Data Cloud への認証方法を設定していきましょう。Salesforce Data Cloud では、OAuth 標準による認証をサポートしています。

OAuth 認証

AuthScheme をOAuth に設定してください。

デスクトップアプリケーション

CData 製品では、デスクトップでの認証を簡略化する埋め込みOAuth アプリケーションを提供しています。

また、Salesforce Data Cloud コンソールで設定および登録するカスタムOAuth アプリケーションを介してデスクトップから認証することも可能です。詳しくは、ヘルプドキュメントのカスタムOAuth アプリの作成をご確認ください。

接続する前に、以下のプロパティを設定してください。

• InitiateOAuth：GETANDREFRESH。InitiateOAuth を使用すれば、繰り返しOAuth の交換を行ったり、手動でOAuthAccessToken を設定する必要がなくなります
• OAuthClientId（カスタムアプリケーションのみ）：カスタムOAuth アプリケーションの登録時に割り当てられたクライアントID
• OAuthClientSecret（カスタムアプリケーションのみ）：カスタムOAuth アプリケーションの登録時に割り当てられたクライアントシークレット

接続すると、CData 製品がデフォルトブラウザでSalesforce Data Cloud の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てください。

以下のようにドライバーがOAuth プロセスを完了します。

• コールバックURL からアクセストークンを取得します
• 古いトークンの期限が切れた際は、新しいアクセストークンを取得します
• OAuthSettingsLocation にOAuth 値を保存し、接続間で永続化します

Web アプリケーションやヘッドレスマシンを含むその他のOAuth 認証方法については、ヘルプドキュメントをご確認ください。

Salesforce Data Cloud をクエリするSQL 文の作成

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

sql = "SELECT [Account ID], [Account Name] FROM Account WHERE EmployeeCount = '250'"

Salesforce Data Cloud 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、Salesforce Data Cloud のデータ を取得して、[Account 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,'[Account Name]')

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

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

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

cnxn = mod.connect("")

sql = "SELECT [Account ID], [Account Name] FROM Account WHERE EmployeeCount = '250'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'[Account Name]')

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