python ETL工具 pyetl

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

pip3 install pyetl

使用示例

数据库表之间数据同步

from pyetl import Task, DatabaseReader, DatabaseWriterreader = 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

from pyetl import Task, DatabaseReader, HiveWriter2reader = 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

from pyetl import Task, DatabaseReader, ElasticSearchWriterreader = 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

# 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()

添加字段的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": lambda x: x.strip()}Task(reader, writer, columns=columns, functions=functions).start()

继承Task类灵活扩展ETL任务

import jsonfrom pyetl import Task, DatabaseReader, DatabaseWriterclass NewTask(Task): reader = DatabaseReader("sqlite:///db.sqlite3", table_name="source") writer = DatabaseWriter("sqlite:///db.sqlite3", table_name="target")  def get_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 = "select columns from task where name='new_task'"  columns = self.writer.db.read_one(sql)["columns"]  return json.loads(columns)   def get_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: str for col in self.columns}   def apply_function(self, record):  """数据流中对一整条数据的udf"""  record["flag"] = int(record["id"]) % 2  return record def before(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 = "create table destination_table(id int, name varchar(100))"  self.writer.db.execute(sql)  def after(self):  """任务完成后要执行的操作，如更新任务状态等"""  sql = "update task set status='done' where name='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	Load data方式导入hive表（推荐)
FileWriter	写入数据到文本文件

 

 

 

 

 

 

 

 

使用过程中有任何疑问，欢迎评论交流

项目地址pyetl