Python でSQL Analysis Services データを変換・出力するETL 処理を作る方法

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

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 SSAS とpetl フレームワークを使って、SQL Analysis Services 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SQL Analysis Services 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。SQL Analysis Services 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SQL Analysis Services 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SQL Analysis Services 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.ssas as mod

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

cnxn = mod.connect("User=myuseraccount;Password=mypassword;URL=http://localhost/OLAP/msmdpump.dll;")

接続するには、Url プロパティを有効なSQL Server Analysis Services エンドポイントに設定して認証を提供します。XMLA アクセスを使用して、HTTP 経由でホストされているSQL Server Analysis Services インスタンスに接続できます。 Microsoft ドキュメント configure HTTP access を参照してSQL Server Analysis Services に接続してください。

SQL をSQL Server Analysis Services に実行するには、ヘルプドキュメントの「Analysis Services データの取得」を参照してください。接続ごとにメタデータを取得する代わりに、CacheLocation を設定できます。

• HTTP 認証

  AuthScheme を"Basic" または"Digest" に設定してUser とPassword を設定します。CustomHeaders に他の認証値を指定します。

• Windows (NTLM)

  Windows のUser とPassword を設定して、AuthScheme をNTLM に設定します。

• Kerberos およびKerberos Delegation

  Kerberos を認証するには、AuthScheme をNEGOTIATE に設定します。Kerberos 委任を使うには、AuthScheme をKERBEROSDELEGATION に設定します。必要があれば、User、Password およびKerberosSPN を設定します。デフォルトでは、CData 製品は指定されたUrl でSPN と通信しようと試みます。

• SSL/TLS:

  デフォルトでは、CData 製品はサーバーの証明書をシステムの信頼できる証明書ストアと照合してSSL/TLS のネゴシエーションを試みます。別の証明書を指定するには、利用可能なフォーマットについてヘルプドキュメントの「SSLServerCert」プロパティを参照してください。

接続を設定したら、その後はあらゆるキューブを二次元テーブルとして扱うことができます。データに接続する際にCData 製品がSSAS のメタデータを取得して、動的にテーブルスキーマを更新します。 「CacheLocation」プロパティを設定すれば自動でファイルにキャッシュを作成するので、接続時に毎回メタデータを取得する必要もなくなります。

詳細は、ヘルプドキュメントの「Retrieving Analysis Services Data」を参照してください。

SQL Analysis Services をクエリするSQL 文の作成

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

sql = "SELECT Fiscal_Year, Sales_Amount FROM Adventure_Works WHERE Fiscal_Year = 'FY 2008'"

SQL Analysis Services 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、SQL Analysis Services データ を取得して、Sales_Amount 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,'Sales_Amount')

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

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

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

cnxn = mod.connect("User=myuseraccount;Password=mypassword;URL=http://localhost/OLAP/msmdpump.dll;")

sql = "SELECT Fiscal_Year, Sales_Amount FROM Adventure_Works WHERE Fiscal_Year = 'FY 2008'"

table1 = etl.fromdb(cnxn,sql)

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

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