Python でActive Directory のデータを変換・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 ActiveDirectory とpetl フレームワークを使って、Active 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Active 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。Active 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Active 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Active 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.activedirectory as mod

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

cnxn = mod.connect("User=cn=Bob F,ou=Employees,dc=Domain;Password=bob123;Server=10.0.1.2;Port=389;")

ActiveDirectory 接続プロパティの取得・設定方法

接続には以下の情報が必要です。

• 有効なユーザーおよびパスワード情報 (例：Domain\BobF or cn=Bob F,ou=Employees,dc=Domain)。
• 接続するサーバーのIP、ホスト名、ポートを含むサーバー情報。

• BaseDN: 指定されたname にLDAP 検索の範囲を制限します。

  ちなみに、BaseDN を狭い範囲に設定することで大幅にパフォーマンスを改善できます。例えば、cn=users,dc=domain は、cn=users およびその子の範囲に戻り値の結果を制限します。

Active Directory をクエリするSQL 文の作成

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

sql = "SELECT Id, LogonCount FROM User WHERE CN = 'Administrator'"

Active 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、Active Directory のデータ を取得して、LogonCount 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,'LogonCount')

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

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

Active 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、Active 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.activedirectory as mod

cnxn = mod.connect("User=cn=Bob F,ou=Employees,dc=Domain;Password=bob123;Server=10.0.1.2;Port=389;")

sql = "SELECT Id, LogonCount FROM User WHERE CN = 'Administrator'"

table1 = etl.fromdb(cnxn,sql)

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

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