다양한 언어로 Snowflake와 연결할 수 있습니다. 선택한 언어가 Python이라면 Snowflake와의 연결을 여기에서 시작하는 것이 좋습니다. Python Connector 실행을 시작한 다음 이를 사용하여 수행할 수 있는 기본 작업에 대해 알아보겠습니다. Python Connector는 꽤나 강력하며 Pandas DataFrames와의 통합도 지원합니다.

사전 필요 조건 및 지식

학습할 내용

필요한 것

구축할 것

이 가이드에서는 Python 3을 사용하겠습니다. 여러분의 시스템에 있는 Python의 버전을 확인하겠습니다. 터미널을 열고 다음 명령을 입력하여 확인합니다.

python --version

출력이 3.5 이상이라면 시작할 준비가 되었습니다! 아니라면 최신 버전의 Python을 설치해야 합니다. 최신 릴리스는 Python 웹 사이트에서 찾을 수 있습니다.

최신 Python 버전을 다운로드했다면 Python용 Snowflake Connector를 설치할 수 있습니다. Python 패키지 설치 프로그램인 pip를 사용하고 다음 명령을 실행하여 설치하겠습니다.

pip install --upgrade snowflake-connector-python

Linux 배포판을 사용하고 있다면 여러분의 배포 리포지토리에 몇몇 패키지를 설치해야 합니다. 특히나 다음과 동등한 수준이 필요합니다.

Python과 Snowflake Connector가 모두 설치되었다면 시작할 준비가 되었습니다! 설치되었는지 확인해 보겠습니다.

Snowflake 커넥터 *사용*을 자세히 알아보기 전에 올바르게 설치되었는지 확인하겠습니다. 다음 스크립트를 통해 확인할 수 있습니다.

#!/usr/bin/env python
import snowflake.connector

# Gets the version
ctx = snowflake.connector.connect(
    user='<your_user_name>',
    password='<your_password>',
    account='<your_account_name>'
    )
cs = ctx.cursor()
try:
    cs.execute("SELECT current_version()")
    one_row = cs.fetchone()
    print(one_row[0])
finally:
    cs.close()
ctx.close()

텍스트 편집기를 열고 해당 스크립트를 복사한 다음 validate.py로 저장합니다. 여러분의 사용자 이름, 암호 및 계정을 해당하는 필드에 입력해야 합니다.

파일이 저장된 위치에서 터미널을 열고 다음 명령을 실행합니다.

python validate.py

모든 것이 성공적이라면 설치된 Snowflake 버전이 나타나야 합니다. 그렇지 않으면 여러분의 상황에 해당하는 오류가 나타납니다.

Python용 Snowflake 커넥터를 사용할 시간입니다. Python 환경을 엽니다. 우선적으로 해야 하는 일은 Snowflake 커넥터 모듈을 가져오는 것입니다. 어떠한 Snowflake 관련 명령을 사용하기 전에 이를 가져와야 합니다.

import snowflake.connector

환경 변수와 같은 외부 소스에서 여러분의 로그인 정보를 읽는 것을 고려해 보십시오. 이는 여러분의 스크립트에 추가적인 보안을 제공하며 장기적으로 시간을 절약합니다. 이 예에서는 os.getenv를 사용하여 PASSWORD. 변수를 위한 SNOWSQL_PWD 환경 변수를 가져오겠습니다.

PASSWORD = os.getenv('SNOWSQL_PWD')

다음과 같이 Python Connector 내에서 이러한 변수를 사용하게 됩니다.

conn = snowflake.connector.connect(
    user=USER,
    password=PASSWORD,
    account=ACCOUNT
    )

좋습니다! 이제 세부 사항을 자세히 알아보겠습니다.

세션 매개 변수를 설정하여 여러분의 세션을 조정하고 여러분이 원하는 대로 설정할 수 있습니다. 2가지 방식으로 설정할 수 있습니다. 우선 처음 연결할 때 다음과 같이 설정할 수 있습니다.

conn = snowflake.connector.connect(
    user='XXXX',
    password='XXXX',
    account='XXXX',
    session_parameters={
        'QUERY_TAG': 'EndOfMonthFinancials',
    }
)

아니면 연결한 다음 ALTER SESSION SET SQL 문을 실행하여 설정할 수 있습니다.

conn.cursor().execute("ALTER SESSION SET QUERY_TAG = 'EndOfMonthFinancials'")

강력한 보안 방법을 사용하기 위해 Snowflake 기능의 이점을 누리고 있으셨을 수 있습니다. 그렇다면 추가적인 단계를 밟아 Snowflake Python Connector를 구성하는 것이 좋습니다.

이 시점에는 Snowflake 내에서 오브젝트 조작을 시작할 수 있습니다.

Snowflake와 상호 작용하기 위한 SQL 명령에 익숙하다면 Python Connector 내 명령에도 익숙하실 것입니다. 명령이 어떻게 구성되어 있는지 분석해 보겠습니다.

conn은 여러분을 여러분의 Snowflake 계정과 연결하는 오브젝트임을 기억하십시오. 이를 사용하여 다음 형식을 가진 SQL 명령을 실행할 수 있습니다.

conn.cursor().execute("YOUR SQL COMMAND")

우선 가상 웨어하우스를 생성하겠습니다. 가상 웨어하우스에는 Snowflake를 통해 쿼리와 DML 작업을 수행하기 위해 필요한 서버가 포함되어 있습니다. CREATE WAREHOUSE SQL 명령을 통합하여 하나의 가상 웨어하우스를 생성할 수 있습니다.

conn.cursor().execute("CREATE WAREHOUSE IF NOT EXISTS tiny_warehouse_mg")

CREATE WAREHOUSE 명령은 예상대로 웨어하우스를 생성하지만 암시적으로 해당 웨어하우스를 여러분의 세션을 위한 활성 웨어하우스로 설정하기도 합니다. 이미 웨어하우스를 생성했다면 USE WAREHOUSE 명령을 사용하여 명시적으로 이를 활성 웨어하우스로 설정할 수 있습니다.

conn.cursor().execute("USE WAREHOUSE tiny_warehouse_mg")

이제 웨어하우스가 있으니 데이터베이스를 다뤄 보겠습니다.

다음 단계는 데이터베이스 생성입니다. 데이터베이스는 여러분의 데이터베이스 오브젝트가 포함되어 있는 스키마를 포함합니다. 웨어하우스를 생성했을 때와 동일한 방식으로 데이터베이스를 생성할 수 있습니다. 다만 이번에는 CREATE DATABASE 명령을 사용하겠습니다.

conn.cursor().execute("CREATE DATABASE IF NOT EXISTS testdb")

데이터베이스 생성 또한 해당 데이터베이스를 현재 세션의 활성 데이터베이스로 설정합니다. 이미 생성된 데이터베이스를 세션을 위한 활성 데이터베이스로 설정해야 한다면 USE DATABASE 명령을 사용합니다.

conn.cursor().execute("USE DATABASE testdb")

그런 다음 스키마를 생성해야 합니다.

스키마는 여러분의 데이터베이스 오브젝트의 그룹화입니다. 스키마에는 여러분의 테이블, 테이블에 있는 데이터 및 뷰가 포함되어 있습니다. 스키마는 데이터베이스 내에 있습니다. CREATE SCHEMA 명령으로 스키마를 생성할 수 있습니다.

conn.cursor().execute("CREATE SCHEMA IF NOT EXISTS testschema")

CREATE SCHEMA는 또한 여러분의 세션을 위해 이를 활성 스키마로 설정하기에 명시적으로 USE SCHEMA 또한 호출할 필요가 없습니다. 이미 생성된 스키마를 사용하고 싶을 때만 사용하십시오.

conn.cursor().execute("USE SCHEMA testschema")

기본값으로 스키마는 현재 데이터베이스에서 사용됩니다. 또 다른 데이터베이스를 지정하여 이러한 다른 데이터베이스에서 사용할 수 있습니다.

conn.cursor().execute("USE SCHEMA otherdb.testschema")

스키마를 사용하고 있으니 테이블에 대해 알아볼 시간입니다.

웨어하우스, 데이터베이스 및 스키마를 생성했으니 데이터에 있는 데이터 조작에 필요한 모든 것이 준비되었습니다. 우선 테이블을 생성해야 합니다. CREATE TABLE 명령을 통해 생성합니다.

conn.cursor().execute(
    "CREATE OR REPLACE TABLE "
    "test_table(col1 integer, col2 string)")

conn.cursor().execute 내에서 이 예는 2개의 열을 가진 test_table라는 테이블을 생성합니다. col1이라는 열에는 정수가 포함되며 col2이라는 열에는 문자열이 포함됩니다.

test_table 테이블을 생성했으니 여기에 데이터를 추가할 수 있습니다. INSERT 명령으로 추가할 수 있습니다.

conn.cursor().execute(
    "INSERT INTO test_table(col1, col2) "
    "VALUES(123, 'test string1'),(456, 'test string2')")

이 명령은 행별로 데이터를 test_table에 삽입합니다. 첫 열과 첫 행에서 찾은 값은 ‘123' 등과 같습니다.

그러나 행별로 데이터를 수동으로 삽입하고 싶지 않다면 대신 데이터를 로드할 수 있습니다. 이는 PUTCOPY INTO 명령의 조합으로 가능합니다.

conn.cursor().execute("PUT file:///tmp/data/file* @%test_table")
conn.cursor().execute("COPY INTO test_table")

여기에서 PUT 명령은 파일을 스테이징하고, COPY INTO 명령은 해당 데이터를 파일에서 복사하여 지정된 테이블로 복사합니다. 또한 COPY INTO 명령을 사용하여 데이터를 외부 위치에서 복사할 수 있습니다.

당연히 언젠가 여러분의 데이터를 쿼리하고 싶을 것입니다. Python Connector 내에서 이를 쉽게 진행할 수 있습니다. print 명령으로 쉽게 테이블에서 가져온 값을 확인할 수 있습니다.

col1, col2 = conn.cursor().execute("SELECT col1, col2 FROM test_table").fetchone()
print('{0}, {1}'.format(col1, col2))

이 코드 조각은 SELECT col1, col2 FROM test_table SQL 명령을 사용하여 특정 열을 선택한 다음 각각의 행 또는 첫 행에 있는 첫 값을 출력합니다.

비슷한 방식으로 전체 열을 출력할 수 있습니다.

for (col1, col2) in conn.cursor().execute("SELECT col1, col2 FROM test_table"):
	print('{0}, {1}'.format(col1, col2))

여러분의 리소스를 효율적으로 사용하려면 쿼리를 수행한 후 명시적으로 Snowflake와의 연결을 종료하는 것이 좋습니다.

connection.close()

보십시오! 이제 Snowflake 내에서 데이터를 조작하기 위해 필요한 모든 단계를 구현했습니다.

이 단계에서는 Python Connector 사용의 기본 사항을 파악하셨을 것입니다. 알아차리셨을 수도 있지만 이는 이미 확립된 Snowflake SQL 명령에 상당히 의존합니다. 당연히 Connector로 수행할 수 있는 작업은 더 많습니다. 여러분의 사용 사례에 따라 관심을 가지실 만한 잠재적인 다음 단계는 다음과 같습니다.

이는 Snowflake로 수행할 수 있는 작업의 극히 일부입니다. 더 자세한 내용은 Snowflake 설명서를 확인하십시오.