Saat ini, sebagian besar pengembang baru lebih memilih Python daripada Bahasa Pemrograman lainnya karena fungsinya yang sederhana namun canggih. Pengembangan Aplikasi, Pembelajaran Mesin, Kecerdasan Buatan, Permainan, dan banyak lagi bidang serupa lainnya mempromosikan penggunaan lingkungan Python untuk membangun produk baru. Selain itu, Bisnis di seluruh dunia memanfaatkan Perpustakaan Python yang kaya untuk mengotomatiskan tugas harian mereka guna mencapai efisiensi yang lebih tinggi.
Microsoft SQL Server adalah pilihan pertama untuk solusi RDBMS [Relational Database Management System] di hampir setiap perusahaan saat ini. Integrasinya yang mudah digunakan dan pemrosesan data yang kuat telah membuat banyak organisasi mengandalkan layanannya untuk tugas-tugas dengan niat tinggi. Belakangan ini, bisnis ini sedang mencari cara untuk menggabungkan solusi RDBMS ini dengan Bahasa Pemrograman Python untuk lebih meningkatkan kegunaannya
Artikel ini akan memperkenalkan Anda ke Python dan SQL Server dan mencantumkan fitur utamanya. Ini juga akan menguraikan pendekatan langkah demi langkah untuk menyiapkan Integrasi Server Python SQL untuk bisnis Anda. Baca bersama untuk menguasai langkah-langkah ini dan pelajari tentang manfaat menghubungkan Python dengan Server SQL Anda
Daftar isi
Prasyarat
Untuk menyiapkan Integrasi SQL Server Python, Anda harus memilikinya
- Pengetahuan kerja tentang Bahasa Pemrograman Python
- akun Microsoft SQL
- Pengaturan lingkungan python
Apa itu Python?
Python adalah Bahasa Pemrograman tujuan umum serbaguna. Kurva pembelajarannya yang kecil ditambah dengan ketangguhannya menjadikannya salah satu Bahasa Pemrograman paling populer saat ini. Ini adalah pilihan utama pengembang untuk Pengembangan Situs Web dan Perangkat Lunak, Otomasi, Analisis Data, Visualisasi Data, dan banyak lagi. Selain itu, sintaks langsung memungkinkan Akuntan, Ilmuwan untuk menggunakannya untuk tugas sehari-hari. Bahasa Pemrograman Python berfungsi sebagai alat integral utama di bidang Ilmu Data untuk melakukan Perhitungan Statistik yang kompleks, membuat Algoritma Pembelajaran Mesin, dll.
Bahasa Pemrograman Python juga terkenal karena kemampuannya menghasilkan berbagai Visualisasi Data seperti Bagan Batang, Bagan Kolom, Bagan Pai, dan Bagan 3D. Selain itu, ia menawarkan kumpulan pustaka yang kaya yang memfasilitasi program Pembelajaran Mesin tingkat lanjut dengan cara yang lebih cepat dan sederhana.
Fitur Utama Bahasa Pemrograman Python
Sumber GambarFitur-fitur berikut bertanggung jawab atas popularitas Bahasa Pemrograman Python saat ini
- Ramah Pemula. Bahasa Pemrograman Python menawarkan lingkungan yang bebas kerumitan bagi pengembang. Alur kerjanya yang sederhana cocok untuk semua orang dan pembuat kode tingkat pemula tertarik padanya. Selain itu, Anda dapat menggunakan dan mendistribusikan kode sumber terbukanya untuk tujuan komersial tanpa biaya
- Aplikasi yang Kuat. Sintaksnya yang sederhana beroperasi pada bahasa alami yang dapat dibaca manusia menjadikannya pilihan utama proyek pada Bahasa Pemrograman Python, yang lebih cepat dibandingkan dengan Bahasa Pemrograman lainnya. Selain itu, sifatnya yang serba guna menjadikannya pilihan ideal untuk proyek Pengembangan Web dan Pembelajaran Mesin
- Komunitas Besar. Karena popularitas Python yang luar biasa, komunitas pemrogram aktif yang sangat besar tersedia secara online yang berkontribusi pada modul dan pustaka bahasa ini. Selain itu, komunitas pendukung yang luas ini siap membantu jika Anda atau pembuat kode lainnya terjebak dalam masalah pemrograman. Anda dapat dengan mudah mendapatkan saran dan solusi dengan memposting masalah Anda di halaman komunitas ini
Anda dapat memahami lebih lanjut tentang Bahasa Pemrograman Python dengan mengunjungi di sini
Apa itu SQL Server?
Sumber GambarMicrosoft SQL Server adalah Sistem Manajemen Basis Data Relasional [RDBMS] yang banyak digunakan yang dirancang untuk menyediakan fasilitas penyimpanan dan pengambilan data kepada pengguna sesuai kebutuhan mereka. Microsoft SQL Server memfasilitasi berbagai fungsi yang darinya Pemrosesan Transaksional dan Analisis Data populer di kalangan bisnis saat ini. Selain itu, Microsoft SQL Server disebut-sebut sebagai salah satu dari 3 teknologi Database terdepan bersama dengan Oracle Database dan IBM DB2
Selain ANSI SQL, Structured Query Language [SQL] yang populer, Microsoft SQL Server berisi versi SQL-nya sendiri yang disebut Transact SQL [T-SQL]. T-SQL mendukung fitur tambahan yang memberdayakan Anda untuk melakukan operasi seperti deklarasi variabel, penanganan Pengecualian, dan melakukan operasi lainnya. Selain itu, pekerjaan Anda di Microsoft SQL Server disederhanakan dengan alat antarmuka utamanya yang disebut SQL Server Management Studio [SSMS]. Ini mengotomatiskan sebagian besar tugas kompleks dan memberi Anda pengalaman yang mulus
Fitur Utama Microsoft SQL Server
Fitur utama dari Microsoft SQL Server adalah sebagai berikut
- Pemulihan Data yang Dipercepat. Microsoft SQL Server memiliki mekanisme pemulihan dan rollback yang luar biasa yang aktif secara otomatis selama kerusakan server. Proses pemulihan basis data memanfaatkan Log Transaksi yang secara drastis mengurangi waktu tunda
- Enkripsi Lanjutan. Mempertimbangkan bahwa bisnis menyimpan informasi rahasia dalam basis data, memastikan privasi sangat penting bagi Penyedia Basis Data. Sejak 2016, Microsoft SQL Server mengandalkan Teknologi Enkripsi baru yang dikenal sebagai AlwaysEncrypted yang menawarkan Enkripsi Kolom transparan tanpa memberikan Administrator Database akses apa pun ke Kunci Dekripsi
- Pemrosesan Kueri Cerdas. Microsoft SQL Server menghosting Pengoptimal Kueri bawaan yang beroperasi pada rencana eksekusi. Paket ini telah dioptimalkan untuk memberikan peningkatan kinerja dalam hal Hibah Memori Dinamis, Mode Batch, Kompilasi Tangguhan Variabel Tabel, dll.
- Analisis Lanjutan. Anda dapat dengan mudah memanfaatkan data yang disimpan di Microsoft SQL Server untuk menerapkan analisis komprehensif sesuai kebutuhan Anda. Selain itu, Anda dapat menggunakan Microsoft SQL Server Analysis Service [SSAS] yang unggul dalam tugas Penambangan Data
Sederhanakan Analisis Data Anda dengan Pipa Data Tanpa Kode Hevo
Hevo Data, No-code Data Pipeline membantu memuat data dari sumber data apa pun seperti Microsoft SQL, aplikasi SaaS, Penyimpanan Cloud, SDK, dan Layanan Streaming serta menyederhanakan proses ETL. Ini mendukung 100+ sumber data dan memuat data ke Gudang Data yang diinginkan, memperkaya data, dan mengubahnya menjadi formulir siap analisis tanpa menulis satu baris kode pun
Pipeline-nya yang sepenuhnya otomatis menawarkan data untuk dikirimkan secara real-time tanpa kehilangan apa pun dari sumber ke tujuan. Arsitekturnya yang toleran terhadap kesalahan dan dapat diskalakan memastikan bahwa data ditangani dengan cara yang aman dan konsisten tanpa kehilangan data dan mendukung berbagai bentuk data. Solusi yang diberikan konsisten dan bekerja dengan alat Business Intelligence [BI] yang berbeda juga
Mulailah dengan Hevo GratisLihat mengapa Hevo adalah yang Terbaik
- Aman. Hevo memiliki arsitektur yang toleran terhadap kesalahan yang memastikan bahwa data ditangani dengan cara yang aman dan konsisten tanpa kehilangan data
- Manajemen Skema. Hevo menghilangkan tugas manajemen skema yang membosankan & secara otomatis mendeteksi skema data yang masuk dan memetakannya ke skema tujuan
- Pembelajaran Minimal. Hevo, dengan UI yang sederhana dan interaktif, sangat memudahkan pelanggan baru untuk bekerja dan menjalankan operasi
- Hevo Dibangun Sesuai Skala. Saat jumlah sumber dan volume data Anda bertambah, Hevo menskalakan secara horizontal, menangani jutaan rekaman per menit dengan latensi yang sangat kecil
- Beban Data Tambahan. Hevo memungkinkan transfer data yang telah dimodifikasi secara real-time. Ini memastikan pemanfaatan bandwidth yang efisien di kedua ujungnya
- Dukungan Langsung. Tim Hevo tersedia sepanjang waktu untuk memberikan dukungan luar biasa kepada pelanggannya melalui obrolan, email, dan panggilan dukungan
- Pemantauan Langsung. Hevo memungkinkan Anda memantau aliran data dan memeriksa di mana data Anda berada pada titik waktu tertentu
Langkah-langkah untuk Menyiapkan Integrasi SQL Server Python menggunakan Pyodbc
Metode ini bergantung pada pustaka "pyodbc" untuk menyiapkan Integrasi SQL Server Python. Pustaka pyodbc memberi pengembang Python akses mudah ke basis data ODBC [Open Database Connectivity]. Oleh karena itu, Anda dapat mengimplementasikan metode yang diberikan di bagian ini untuk menyiapkan integrasi Python ODBC dengan platform apa pun seperti MS Access, MySQL, IBM Db2, dll.
Langkah-langkah berikut akan memungkinkan Anda untuk dengan mudah mengatur Integrasi SQL Server Python Anda
Langkah 1. Tetapkan Koneksi SQL Server Python
Langkah pertama menyiapkan Integrasi SQL Server Python mengharuskan Anda membangun koneksi antara Python dan server SQL menggunakan pyodbc. sambungkan fungsi dan berikan string koneksi. String Koneksi Python MsSQL akan menentukan Driver DBMS, pengaturan koneksi, Server, dan Database tertentu
Sekarang, misalnya, Anda ingin terhubung ke server USXXX00345,67800 dan database DB02 menggunakan SQL Server Native Client 11. 0
Ada 2 cara untuk membuat koneksi Python SQL Server ini
- Pendekatan 1 untuk Setup Python SQL Server Connection. Anda dapat mengandalkan koneksi internal tepercaya menggunakan kode berikut
cnxn_str = ["Driver={SQL Server Native Client 11.0};"
"Server=USXXX00345,67800;"
"Database=DB02;"
"Trusted_Connection=yes;"]
cnxn = pyodbc.connect[cnxn_str]- Pendekatan 2 untuk Menyiapkan Koneksi SQL Server Python. Anda tidak memiliki koneksi internal tepercaya dan ingin menyiapkan koneksi SQL Server yang diperlukan menggunakan SQL Server Management Studio [SSMS]. Ini akan meminta Anda untuk memasukkan nama pengguna Anda [katakanlah, Alex] dan kata sandi [Alex123] seperti yang ditunjukkan pada kode berikut
cnxn_str = ["Driver={SQL Server Native Client 11.0};"
"Server=USXXX00345,67800;"
"Database=DB02;"
"UID=Alex;"
"PWD=Alex123;"]
cnxn = pyodbc.connect[cnxn_str]Sekarang, karena koneksi database Python Anda sudah terpasang, Anda dapat melakukan kueri SQL melalui Python
Langkah 2. Jalankan Kueri SQL
Sekarang, setiap kueri yang akan Anda lakukan di SQL Server akan melibatkan inisialisasi kursor dan urutan eksekusi kueri. Selain itu, setiap perubahan yang dibuat di dalam SQL Server juga harus tercermin dalam Python [yang tercakup dalam Langkah 3 Integrasi MS SQL Server Python]
Anda dapat menginisialisasi kursor melalui
cursor = cnxn.cursor[]Sekarang, jika Anda ingin melakukan kueri, panggil objek kursor ini. Misalnya, kueri berikut akan memilih 100 baris teratas dari asosiasi nama tabel SQL
cursor.execute["SELECT TOP[100] * FROM associates"]Kueri ini akan memberi Anda hasil yang diinginkan, namun, tidak ada data yang akan dikembalikan ke Python. Untuk memastikan bahwa perubahan SQL Anda tercermin dalam Python, lanjutkan ke langkah selanjutnya dari Integrasi SQL Server Python
Langkah 3. Ekstrak Hasil Kueri ke Python
Untuk mengekstrak data Anda dari SQL Server ke Python, Anda memerlukan pustaka Pandas. Panda berisi fungsi “read_sql” yang berguna untuk membaca data dari SQL ke Python. Read_sql memerlukan kueri dan juga instance koneksi cnxn untuk mengekstrak data yang diberikan sebagai berikut
data = pd.read_sql["SELECT TOP[100] * FROM associates", cnxn]Ini akan mengembalikan bingkai data yang terdiri dari 100 baris teratas dari tabel asosiasi Anda
Langkah 4. Terapkan Modifikasi di SQL Server
Selanjutnya, jika Anda ingin mengubah data SQL, Anda harus menambahkan satu langkah lagi ke proses eksekusi kueri. Ini karena saat Anda menjalankan kueri SQL, perubahan disimpan di ruang sementara alih-alih langsung memodifikasi data yang disimpan
Untuk membuat modifikasi seperti itu permanen, Anda harus melakukannya. Misalnya, jika Anda ingin menggabungkan kolom firstName dan lastName, buat kolom fullName menggunakan kode di bawah ini
cursor = cnxn.cursor[]
# first alter the table, adding a column
cursor.execute["ALTER TABLE associates " +
"ADD fullName VARCHAR[20]"]
# now update that column to contain firstName + lastName
cursor.execute["UPDATE associate " +
"SET fullName = firstName + " " + lastName"]
Bahkan setelah mengeksekusi kode ini, Anda tidak akan menemukan kolom nama lengkap di basis data asosiasi Anda. Anda perlu melakukan perubahan di atas dan membuatnya permanen melalui perintah berikut
cnxn.commit[]Langkah 5. Mengotomatiskan Fungsi Python SQL Server
Langkah-langkah di atas membahas bagaimana Anda dapat memodifikasi data SQL Anda dan mengekstraknya ke Python atau, sebagai alternatif, Anda dapat mengekstrak data terlebih dahulu ke Python dan kemudian melakukan manipulasi. Setelah penyiapan ini siap, Anda dapat menggunakan Python SQL Server Integration untuk mengotomatiskan banyak tugas.
Misalnya, Anda mungkin perlu melakukan pelaporan harian yang melibatkan kueri kumpulan data terbaru dalam server SQL, menghitung statistik dasar, dan mengirimkan hasilnya melalui email ke manajemen. Anda dapat mengotomatiskan proses yang panjang ini dengan memanfaatkan Integrasi Python SQL Server sebagai berikut
# imports for SQL data part
import pyodbc
from datetime import datetime, timedelta
import pandas as pd
# imports for sending email
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
import smtplib
date = datetime.today[] - timedelta[days=7] # get the date 7 days ago
date = date.strftime["%Y-%m-%d"] # convert to format yyyy-mm-dd
cnxn = pyodbc.connect[cnxn_str] # initialise connection [assume we have already defined cnxn_str]
# build up our query string
query = ["SELECT * FROM associates "
f"WHERE joinDate > '{date}'"]
# execute the query and read to a dataframe in Python
data = pd.read_sql[query, cnxn]
del cnxn # close the connection
# make a few calculations
mean_payment = data['payment'].mean[]
std_payment = data['payment'].std[]
# get max payment and product details
max_vals = data[['product', 'payment']].sort_values[by=['payment'], ascending=False].iloc[0]
# write an email message
txt = [f"Customer reporting for period {date} - {datetime.today[].strftime['%Y-%m-%d']}.nn"
f"Mean payment amounts received: {mean_payment}n"
f"Standard deviation of payment amounts: {std_payments}n"
f"Highest payment amount of {max_vals['payment']} "
f"received from {max_vals['product']} product."]
# we will built the message using the email library and send using smtplib
msg = MIMEMultipart[]
msg['Subject'] = "Automated customer report" # set email subject
msg.attach[MIMEText[txt]] # add text contents
# we will send via outlook, first we initialise connection to mail server
smtp = smtplib.SMTP['smtp-mail.outlook.com', '587']
smtp.ehlo[] # say hello to the server
smtp.starttls[] # we will communicate using TLS encryption
# login to outlook server, using generic email and password
smtp.login['Alex@outlook.com', 'Alex123']
# send email to our boss
smtp.sendmail['Alex@outlook.com', 'boss@outlook.com', msg.as_string[]]
# finally, disconnect from the mail server
smtp.quit[]
Kode ini sekarang akan mengekstrak data minggu sebelumnya, menghitung metrik kunci Anda, dan mengirimkan ringkasan ke id email bos Anda
Itu dia. Integrasi Python SQL Server Anda sudah ada dan berhasil bekerja
Manfaat Integrasi Python SQL Server
Menyiapkan Integrasi SQL Server Python, saatnya mempelajari keuntungan yang dapat diberikannya untuk bisnis Anda. Menggabungkan Bahasa Pemrograman Python dengan Server SQL akan meningkatkan bisnis Anda dengan cara berikut.
- Karena kesederhanaannya, Bahasa Pemrograman Python telah menjadi pilihan ideal bagi pengembang untuk membangun proyek AI. Oleh karena itu, Integrasi SQL Server Python akan memungkinkan pengembang AI ini memanfaatkan fungsionalitas SQL Server langsung dari kode Python mereka. Ini akan mempermudah pengembang ini untuk menyematkan analitik data, fungsionalitas AI, dan fitur pembelajaran mesin ke dalam kode aplikasi yang ada.
- Koneksi Python SQL Server memberikan keunggulan yang signifikan untuk pekerjaan pengembangan. Bahasa lain seperti R ketika diintegrasikan dengan SQL Server hanya akan meningkatkan aspek analitik pemrograman. Namun, Python ketika digunakan bersama dengan SQL Server, memungkinkan pengembang untuk melakukan streaming dan operasi data secara real-time dengan cara yang jauh lebih mudah
- Pengaturan integrasi Python SQL Server menyediakan pemrosesan data yang lebih cepat dibandingkan dengan menggunakan sistem berbasis jaringan melalui TCP, HTTP, dll. Ini karena menggunakan sumber daya platform lokal termasuk sistem file, GPU, dll. untuk membangun integrasi waktu nyata dan bergantung pada format data universal seperti JSON dan XML
Kesimpulan
Artikel tersebut memperkenalkan Anda ke Bahasa Pemrograman Python dan Server SQL beserta fitur uniknya. Ini kemudian memberikan panduan langkah demi langkah yang dengannya Anda dapat mengatur Integrasi server Python SQL Anda dengan mulus. Artikel tersebut juga membahas banyak manfaat yang dapat diberikan oleh penggabungan 2 alat ini untuk bisnis Anda. Setelah membaca artikel ini, Anda dapat mencoba dan dengan mudah mengimplementasikan Python SQL Server Integration untuk database Anda
Kunjungi Situs Web kami untuk Menjelajahi HevoSekarang, untuk menjalankan kueri SQL atau melakukan Analisis Data pada data SQL Server Anda, pertama-tama Anda harus mengekspor data ini ke Gudang Data. Ini akan mengharuskan Anda untuk mengkustomisasi skrip kompleks kode untuk mengembangkan proses ETL. Hevo Data dapat mengotomatiskan proses transfer data Anda, sehingga memungkinkan Anda untuk fokus pada aspek lain dari bisnis Anda seperti Analitik, Manajemen Pelanggan, dll. Platform ini memungkinkan Anda mentransfer data dari 100+ berbagai sumber seperti Microsoft SQL ke Gudang Data berbasis Cloud seperti Amazon Redshift, Snowflake, Google BigQuery, dll. Ini akan memberi Anda pengalaman tanpa kerumitan dan membuat kehidupan kerja Anda jauh lebih mudah
Ingin mencoba Hevo?