Jupyter Notebook에서 Data Distiller에 연결

가치가 높은 고객 경험 데이터를 사용하여 머신 러닝 파이프라인을 보강하려면 먼저 Jupyter Notebooks에서 Data Distiller에 연결해야 합니다. 이 문서에서는 기계 학습 환경의 Python 전자 필기장에서 Data Distiller에 연결하는 단계를 다룹니다.

시작하기

이 안내서에서는 사용자가 대화형 Python 전자 필기장에 익숙하고 전자 필기장 환경에 액세스할 수 있다고 가정합니다. 전자 필기장은 클라우드 기반 기계 학습 환경 내에서 호스팅되거나 Jupyter Notebook을(를) 사용하여 로컬로 호스팅될 수 있습니다.

연결 자격 증명 가져오기 obtain-credentials

Data Distiller 및 기타 Adobe Experience Platform 서비스에 연결하려면 Experience Platform API 자격 증명이 필요합니다. Experience Platform에 대한 개발자 액세스 권한이 있는 사용자가 Adobe Developer Console에서 API 자격 증명을 만들 수 있습니다. 특히 데이터 과학 워크플로에 대한 Oauth2 API 자격 증명을 만들고 조직의 Adobe 시스템 관리자가 적절한 권한이 있는 역할에 자격 증명을 할당하도록 하는 것이 좋습니다.

API 자격 증명을 만들고 필요한 권한을 얻는 방법에 대한 자세한 지침은 Experience Platform API 인증 및 액세스를 참조하십시오.

데이터 과학에 권장되는 권한은 다음과 같습니다.

기본적으로 역할(및 해당 역할에 할당된 API 자격 증명)은 레이블이 지정된 데이터에 액세스하지 못하도록 차단됩니다. 조직의 데이터 거버넌스 정책에 따라 시스템 관리자는 데이터 과학 사용에 적절하다고 판단되는 레이블이 지정된 특정 데이터에 대한 액세스 권한을 역할에 부여할 수 있습니다. 플랫폼 고객은 관련 규정 및 조직 정책을 준수하기 위해 레이블 액세스 및 정책을 적절하게 관리할 책임이 있습니다.

자격 증명을 별도의 구성 파일에 저장 store-credentials

자격 증명을 안전하게 유지하려면 코드에 직접 자격 증명 정보를 쓰지 않는 것이 좋습니다. 대신 자격 증명 정보를 별도의 구성 파일에 보관하고 Experience Platform 및 Data Distiller에 연결하는 데 필요한 값을 읽습니다.

예를 들어, config.ini 파일을 만들고 다음 정보를 포함할 수 있습니다(세션 간에 저장하는 데 유용한 데이터 세트 ID와 같은 기타 정보와 함께).

[Credential]
ims_org_id=<YOUR_IMS_ORG_ID>
sandbox_name=<YOUR_SANDBOX_NAME>
client_id=<YOUR_CLIENT_ID>
client_secret=<YOUR_CLIENT_SECRET>
scopes=openid, AdobeID, read_organizations, additional_info.projectedProductContext, session
tech_acct_id=<YOUR_TECHNICAL_ACCOUNT_ID>

그러면 전자 필기장에서 표준 Python 라이브러리의 configParser 패키지를 사용하여 자격 증명 정보를 메모리로 읽을 수 있습니다.

from configparser import ConfigParser

# Create a ConfigParser object to read and store information from config.ini
config = ConfigParser()
config_path = '<PATH_TO_YOUR_CONFIG.INI_FILE>'
config.read(config_path)

그런 다음 다음과 같이 코드 내에서 자격 증명 값을 참조할 수 있습니다.

org_id = config.get('Credential', 'ims_org_id')

Aepp Python 라이브러리 설치 install-python-library

aepp은(는) 다른 Experience Platform 서비스에 요청할 때 Data Distiller에 연결하고 쿼리를 제출하는 기능을 제공하는 Adobe 관리 오픈 소스 Python 라이브러리입니다. aepp 라이브러리는 대화형 Data Distiller 쿼리에 대해 PostgreSQL 데이터베이스 어댑터 패키지 psycopg2을(를) 사용합니다. psycopg2만으로 Data Distiller 및 쿼리 Experience Platform 데이터 세트에 연결할 수 있지만, aepp은(는) 모든 Experience Platform API 서비스에 요청할 수 있는 더 큰 편리성과 추가 기능을 제공합니다.

사용자의 환경에 aepp 및 psycopg2을(를) 설치하거나 업그레이드하려면 전자 필기장에서 %pip 매직 명령을 사용할 수 있습니다.

%pip install --upgrade aepp
%pip install --upgrade psycopg2-binary

그런 다음 다음 다음 코드를 사용하여 자격 증명으로 aepp 라이브러리를 구성할 수 있습니다.

from configparser import ConfigParser

# Create a ConfigParser object to read and store information from config.ini
config = ConfigParser()
config_path = '<PATH_TO_YOUR_CONFIG.INI_FILE>'
config.read(config_path)

# Configure aepp with your credentials
import aepp

aepp.configure(
  org_id=config.get('Credential', 'ims_org_id'),
  sandbox=config.get('Credential', 'sandbox_name'),
  client_id=config.get('Credential', 'client_id'),
  secret=config.get('Credential', 'client_secret'),
  scopes=config.get('Credential', 'scopes'),
  tech_id=config.get('Credential', 'tech_acct_id')
)

Data Distiller에 대한 연결 만들기 create-connection

자격 증명으로 aepp을(를) 구성한 후에는 다음 코드를 사용하여 Data Distiller에 대한 연결을 만들고 다음과 같이 대화형 세션을 시작할 수 있습니다.

from aepp import queryservice

dd_conn = queryservice.QueryService().connection()
dd_cursor = queryservice.InteractiveQuery2(dd_conn)

그런 다음 Experience Platform 샌드박스에서 데이터 세트를 쿼리할 수 있습니다. 쿼리할 데이터 세트의 ID가 주어지면 카탈로그 서비스에서 해당 테이블 이름을 검색하고 테이블에서 쿼리를 실행할 수 있습니다.

table_name = 'ecommerce_events'
simple_query = f'''SELECT * FROM {table_name} LIMIT 5'''
dd_cursor.query(simple_query)

빠른 쿼리 성능을 위해 단일 데이터 세트에 연결 connect-to-single-dataset

기본적으로 Data Distiller 연결은 샌드박스의 모든 데이터 세트에 연결됩니다. 보다 빠른 쿼리와 줄어든 리소스 사용량을 위해 대신 특정 관심 데이터 세트에 연결할 수 있습니다. Data Distiller 연결 개체의 dbname을(를) {sandbox}:{table_name}(으)로 변경하여 이 작업을 수행할 수 있습니다.

from aepp import queryservice

sandbox = config.get('Credential', 'sandbox_name')
table_name = 'ecommerce_events'

dd_conn = queryservice.QueryService().connection()
dd_conn['dbname'] = f'{sandbox}:{table_name}'
dd_cursor = queryservice.InteractiveQuery2(dd_conn)

다음 단계

이 문서를 읽고 기계 학습 환경의 Python 전자 필기장에서 Data Distiller에 연결하는 방법을 배웠습니다. 머신 러닝 환경에서 Experience Platform에서 피드 사용자 지정 모델까지 기능 파이프라인을 만드는 다음 단계는 데이터 세트를 탐색 및 분석하는 것입니다.