python ETL工具 pyetl
pyetl是一个纯python开发的ETL框架,相比sqoop,datax之类的ETL工具,pyetl可以对每个字段添加udf函数,使得数据转换过程更加灵活,相比专业ETL工具pyetl更轻量,纯python代码操作,更加符合开发人员习惯
安装
pip3installpyetl
使用示例
数据库表之间数据同步
frompyetlimportTask,DatabaseReader,DatabaseWriter reader=DatabaseReader("sqlite:///db1.sqlite3",table_name="source") writer=DatabaseWriter("sqlite:///db2.sqlite3",table_name="target") Task(reader,writer).start()
数据库表到hive表同步
frompyetlimportTask,DatabaseReader,HiveWriter2 reader=DatabaseReader("sqlite:///db1.sqlite3",table_name="source") writer=HiveWriter2("hive://localhost:10000/default",table_name="target") Task(reader,writer).start()
数据库表同步es
frompyetlimportTask,DatabaseReader,ElasticSearchWriter reader=DatabaseReader("sqlite:///db1.sqlite3",table_name="source") writer=ElasticSearchWriter(hosts=["localhost"],index_name="tartget") Task(reader,writer).start()
原始表目标表字段名称不同,需要添加字段映射
添加
#原始表source包含uuid,full_name字段 reader=DatabaseReader("sqlite:///db.sqlite3",table_name="source") #目标表target包含id,name字段 writer=DatabaseWriter("sqlite:///db.sqlite3",table_name="target") #columns配置目标表和原始表的字段映射关系 columns={"id":"uuid","name":"full_name"} Task(reader,writer,columns=columns).start()
字段的udf映射,对字段进行规则校验、数据标准化、数据清洗等
#functions配置字段的udf映射,如下id转字符串,name去除前后空格 functions={"id":str,"name":lambdax:x.strip()} Task(reader,writer,columns=columns,functions=functions).start()
继承Task类灵活扩展ETL任务
importjson frompyetlimportTask,DatabaseReader,DatabaseWriter classNewTask(Task): reader=DatabaseReader("sqlite:///db.sqlite3",table_name="source") writer=DatabaseWriter("sqlite:///db.sqlite3",table_name="target") defget_columns(self): """通过函数的方式生成字段映射配置,使用更灵活""" #以下示例将数据库中的字段映射配置取出后转字典类型返回 sql="selectcolumnsfromtaskwherename='new_task'" columns=self.writer.db.read_one(sql)["columns"] returnjson.loads(columns) defget_functions(self): """通过函数的方式生成字段的udf映射""" #以下示例将每个字段类型都转换为字符串 return{col:strforcolinself.columns} defapply_function(self,record): """数据流中对一整条数据的udf""" record["flag"]=int(record["id"])%2 returnrecord defbefore(self): """任务开始前要执行的操作,如初始化任务表,创建目标表等""" sql="createtabledestination_table(idint,namevarchar(100))" self.writer.db.execute(sql) defafter(self): """任务完成后要执行的操作,如更新任务状态等""" sql="updatetasksetstatus='done'wherename='new_task'" self.writer.db.execute(sql) NewTask().start()
目前已实现Reader和Writer列表
Reader | 介绍 |
---|---|
DatabaseReader | 支持所有关系型数据库的读取 |
FileReader | 结构化文本数据读取,如csv文件 |
ExcelReader | Excel表文件读取 |
Writer | 介绍 |
---|---|
DatabaseWriter | 支持所有关系型数据库的写入 |
ElasticSearchWriter | 批量写入数据到es索引 |
HiveWriter | 批量插入hive表 |
HiveWriter2 | Loaddata方式导入hive表(推荐) |
FileWriter | 写入数据到文本文件 |
项目地址pyetl
总结
到此这篇关于pythonETL工具pyetl的文章就介绍到这了,更多相关pythonETL工具pyetl内容请搜索毛票票以前的文章或继续浏览下面的相关文章希望大家以后多多支持毛票票!