AWSのAurora Severlessを使いAPIを組もうかと思ったのですが、素人過ぎてデータのやり取りすらままならんかったので、その工程を残しました。
執筆時点 2021/04/17

Aurora severless 構築

AmazonRDSのコンソールを開きます
「データベースを作成」を開始
1. データベース作成方法: 標準作成
2. エンジンのオプション： Amazon Aurora
3. エディション: MySQL との互換性を持つ Amazon Aurora
4. キャパシティータイプ：サーバーレス
5. バージョン：Aurora(MySQL)-5.6.10a
6. DB クラスター識別子: お好みのDB名（ここではtest-db1)
7. マスターユーザー名: admin (本番はここもadmin以外にすべきか？）
8. マスターパスワード：お好きなパスワード
9. キャパシティの設定：最小Aurora キャパシティユニット 1, 最大Aurora キャパシティユニット 1
  1. スケーリングの追加設定：「数分間アイドル状態のままの場合コンピューティング性能を一時停止する」にチェック、30分のアイドルで１時停止（開発用につくるため開発時間外の費用を抑えるため）
10. VPC: デフォルトVPC
11. サブネットグループ: デフォルトvpc-〇〇
12. 既存のVPCセキュリティグループ: default
13. 追加の接続設定：Data APIにチェック
データベースを作成を押す

ここでDataAPIにチェックを入れたのは、Aurora Severlessとの交信にはこのDataAPIが必要になるためです。結構大切なオプションなのに、デフォルトでチェックが入っていないので注意。

Aurora severlessのリソースARNをメモする

AmazonRDSのコンソールを開きます
データベースを開く
作成したDBをダブルクリック

シークレットの作成

DBにアクセスする際、このシークレットを使ってユーザやパスワードの代わりにするらしい。

Secrets Managerを開く
「新しいシークレットを保存する」を選択
auroraのために設定した「ユーザ名」「パスワード」を記入
DBインスタンスに先程作成したauroraを選択
次へ
シークレットの名前や説明を適当につける。今回は名前を「test-db1-admin-secret」とした
次へ
自動ローテーションは無効のまま、次へ
シークレットを作成する

シークレットができたら、出来上がったシークレットを開き、シークレットのARNをメモする

データベースに接続してクエリディタを開く

データベースを操作するためのエディタを開きます

AmazonRDSに戻る
左側「データベース」タブを選択
作成したauroraDBを選択
右上「アクション」→「クエリ」を選択
以下を確認/入力
1. データベースインスタンスが作成したものになっていること
2. データベースユーザ名に「Secrets Manager ARNと接続する」を選択
3. 前項「シークレットを作成」で作ったシークレットARNを写す
「データベースに接続」します

データベースにテーブルやデータを追加

作ったままのauroraには何もデータが入っていないので、テスト用のDBとテーブルを作成し、データも追加します。

とりあえず、デフォルトでエディタに表記されているクエリselect * from information_schema.tables;を実行してみる
1. この時点ではDBが休止状態に入っている可能性があり、エラーが返ってくるかもしれません。数分経ってからもう一度実行してみましょう。
実行できたら、DBを追加するためにcreate database mydb;を実行。mydbはDB名なので好みで変更可
1. show databases;を実行して、dbが作成できていることを確認
データテーブルを追加しますcreate table mydb.sample_data (id int, name varchar(20), dt datetime);を実行。
1. show tables from mydbで作成できたことを確認
insert into mydb.sample_data (id, name, dt) values (100, 'inten', now());を実行。適当なデータを挿入する。
1. 自分で複数挿入すると面白いので推奨です。select * from mydb.sample_data;で入力値を確認できます。

僕は最終的に次のようなテーブルを作成しました。

AWS CLI用にIAMユーザを作成

いよいよpythonを使った接続です。

しかし、このためにはAWS CLI用のユーザの作成を先に済ます必要があります。
AWS CLIは今までコンソールで行っていたことを、ローカルのPCなどの他の環境でも行うためのツールです。
pythonでAWSのサービスに接続する際も間接的にAWS CLIを使ってAWSのサービスとやり取りを行っているようです。
awsコンソールにIAMが必要なように、AWS CLIにもIAMが必要です。

awsコンソールでIAMを開きます
ユーザを追加を選択
「プログラムによるアクセス」にチェックを入れ、ユーザ名を記入する
権限を付与する
1. 権限はそれぞれ方針があると思います。「AdministratorAccess」あたりを付けるのが楽ですが、注意は必要です。
確認する
シークレットアクセスキーを保存する
1. ここで得られるシークレットアクセスキーはこの機会を逃すと二度と取得できません。念の為csvもダウンロードしておきましょう。

AWS CLIのインストールと設定

pip install awscli
aws configureを実行。以下のように入力

AWS Access Key ID [None]: [作成したIAMのアクセスキー]
AWS Secret Access Key [None]: [作成したIAMのシークレットアクセスキー]
Default region name [None]: ap-northeast-1
Default output format [None]: json

これでpythonがAWS CLIを使ってauroraと接続するための準備が整いました。

pydataapiを使ってpythonで接続

ここからはpydataapiを使って、ローカル環境からauroraにアクセスしてみましょう。

pip install pydataapi
次のコードをコピー/編集して、実行する

from pydataapi import DataAPI, Result

database = 'mydb'
resource_arn = 'aurora severlessのリソースARN'
secret_arn = 'aurora severlessのユーザ情報のシークレットARN'
data_api = DataAPI(resource_arn=resource_arn, secret_arn=secret_arn, database=database)
result: Result = data_api.execute('select * from sample_data')
print(result.all())

きちんと、auroraDBに格納した値が見れたと思います。

data_api_execute.executeの引数のクエリを書き換えればselect以外の命令も実行できます。

pydataapiにはSQLAlchmemyと接続する方法も用意されていますからORMが使いたい方もこれでOK!

ここから先は通常のRDB同様に操作可能です。

また、単にpandas.DataFrameをRDBから読み込みたいだけの場合

from sqlalchemy.engine import create_engine
engine = create_engine(
    'mysql+pydataapi://',
    connect_args={
        'resource_arn': resource_arn,
        'secret_arn': secret_arn,
        'database': database}
)
pd.read_sql("select * from sample_data", engine, parse_dates=['dt'])

のように、read_sql関数にdataapiとsqlalchemyで作られたコネクションengineを渡すことで簡単にRDBからDataFrameを取得できます。

以上。