各製品の資料を入手。
詳細はこちら →CData
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 Bitbucket とpetl フレームワークを使って、Bitbucket 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Bitbucket 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。Bitbucket 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Bitbucket 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)。
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
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.bitbucket as mod
接続文字列で接続を確立します。connect 関数を使って、CData Bitbucket Connector からBitbucket への接続を行います
cnxn = mod.connect("Workspace=myworkspaceslug;Schema=InformationInitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")")
ほとんどのクエリでは、ワークスペースを設定する必要があります。唯一の例外は、Workspacesテーブルです。このテーブルはこのプロパティの設定を必要とせず、クエリを実行すると、Workspaceの設定に使用できるワークスペーススラッグのリストが提供されます。このテーブルにクエリを実行するには、スキーマを'Information'に設定し、SELECT * FROM Workspacesクエリを実行する必要があります。
Schemaを'Information'に設定すると、一般的な情報が表示されます。Bitbucketに接続するには、以下のパラメータを設定してください。
BitbucketはOAuth認証のみをサポートしています。すべてのOAuthフローからこの認証を有効にするには、カスタムOAuthアプリケーションを作成し、AuthSchemeをOAuthに設定する必要があります。
特定の認証ニーズ(デスクトップアプリケーション、Webアプリケーション、ヘッドレスマシン)に必要な接続プロパティについては、ヘルプドキュメントを必ず確認してください。
Bitbucketアカウントから、以下のステップを実行します。
Bitbucket にはSQL でデータアクセスが可能です。Issues エンティティからのデータを読み出します。
sql = "SELECT Title, ContentRaw FROM Issues WHERE Id = '1'"
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、Bitbucket データ を取得して、ContentRaw 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,'ContentRaw') etl.tocsv(table2,'issues_data.csv')
CData Python Connector for Bitbucket を使えば、データベースを扱う場合と同感覚で、Bitbucket 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。
Bitbucket Python Connector の30日の無償トライアル をぜひダウンロードして、Bitbucket 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。
import petl as etl import pandas as pd import cdata.bitbucket as mod cnxn = mod.connect("Workspace=myworkspaceslug;Schema=InformationInitiateOAuth=GETANDREFRESH;OAuthSettingsLocation=/PATH/TO/OAuthSettings.txt")") sql = "SELECT Title, ContentRaw FROM Issues WHERE Id = '1'" table1 = etl.fromdb(cnxn,sql) table2 = etl.sort(table1,'ContentRaw') etl.tocsv(table2,'issues_data.csv')