前提
・利用環境：Databricks、Tableau Cloud
参考ドキュメント
参考ブログ
手順
1.Tableau Cloudの個人アクセストークンを作成
参考：以下のブログの手順2
2.TableauビューのイメージをDatabricksのダウンロード
①Databricksのホーム画面で、「新規」→「ノートブック」をクリック
②必要なライブラリをインストール
#ライブラリをインストール
!pip install requests
③DatabricksからTableau Cloudに認証して、Tokenを取得
以下の値は実際の値に置き換える
TABLEAU_TOKEN_VALUE
TABLEAU_TOKEN_NAME
TABLEAU_SERVER
TABLEAU_VERSION
site_url_id
# -*- coding: utf-8 -*-
import requests, json
TABLEAU_TOKEN_VALUE = '手順1で作成したTableauトークンのシークレット' #TODO Tableauの情報
TABLEAU_TOKEN_NAME = '手順1で作成したTableauトークン名' #TODO 個人用アクセストークンの「トークン名」
TABLEAU_SERVER = '例：prod-apnortheast-a.online.tableau.com' #TODO Tableauサーバのアドレス
TABLEAU_VERSION = '3.19' #TODO Tabeleau ServerのAPI version
#Tableauサーバーへサインインする
server_name = TABLEAU_SERVER
version = TABLEAU_VERSION
site_url_id = "Tableau Cloudのサイト名" # Site URLのパス、空白の場合はDefaultになる
# Personal Access Token を指定する
personal_access_token_name = TABLEAU_TOKEN_NAME # Personal access tokenの名前
personal_access_token_secret = TABLEAU_TOKEN_VALUE # Personal access token
signin_url = "https://{server}/api/{version}/auth/signin".format(server=server_name, version=version)
payload = { "credentials": { "personalAccessTokenName": personal_access_token_name, "personalAccessTokenSecret": personal_access_token_secret, "site": {"contentUrl": site_url_id }}}
headers = {
'accept': 'application/json',
'content-type': 'application/json'
}
# サーバにRequestを送信する
req = requests.post(signin_url, json=payload, headers=headers, verify=False)
req.raise_for_status()
#HTTP Responseを取得
response = json.loads(req.content)
#credentialsのエレメントからTokenを取得する
token = response["credentials"]["token"]
#Site IDエレメントからSite IDを取得する
site_id = response["credentials"]["site"]["id"]
print('Sign in successful!')
print('Token: {token}'.format(token=token))
print('Site ID: {site_id}'.format(site_id=site_id))
④TableauのビューIDを検索
VIEW_URL_NAMEは、実際のビュー名に変更
VIEW_URL_NAME = 'Overview' #TODO viewUrlNameの値（シート名）を入れる
#view idを探す
query_value= "filter=viewUrlName:eq:{viewUrlName}".format(viewUrlName=VIEW_URL_NAME)
headers = {'X-tableau-auth':token,
'accept': 'application/json'}
#GET /api/api-version/sites/site-id/views?filter=viewUrlName:eq:view-name
view_get_url="https://{server}/api/{version}/sites/{siteid}/views?{query}".format(
server=TABLEAU_SERVER, version=TABLEAU_VERSION, siteid=site_id, query= query_value)
outDataOrig = requests.get(view_get_url,headers=headers).content
outDataDecode= outDataOrig.decode()
json_out = json.loads(outDataDecode)
view_id = json_out['views']['view'][0]['id']
print('view id: {view_id}'.format(view_id=view_id))
⑤Tableauビューをボリュームにダウンロードする
以下の値は実際の値に置き換える
catalog
schema
volume
file_name
table_name
catalog = "aibi"
schema = "default"
volume = "vol"
file_name ="overview.png"
table_name ="overview"
path_volume = "/Volumes/" + catalog + "/" + schema + "/" + volume + "/" + file_name
path_table = catalog + "." + schema
query_value = "resolution=high"
headers = {'X-tableau-auth':token}
#GET /api/api-version/sites/site-id/views/view-id/image?vf_<fieldname>=filter-value
image_get_url="https://{server}/api/{version}/sites/{siteid}/views/{viewid}/image?{query}".format(
server=TABLEAU_SERVER, version=TABLEAU_VERSION, siteid=site_id, viewid=view_id, query= query_value)
urlData = requests.get(image_get_url,headers=headers).content
with open(path_volume, mode='wb') as f:
f.write(urlData)
print(path_volume) # Show the complete path
print(path_table) # Show the complete path
⑥TableauビューがDatabricksのボリュームにダウンロードされたことを確認
3.TableauビューのデータをDatabricksにダウンロードし、テーブルを作成
①Tableauビューのデータをボリュームにダウンロードする
以下の値は実際の値に置き換える
data_name
data_name ="overview.csv" #TODO 保存先のファイル名
data_path_volume = "/Volumes/" + catalog + "/" + schema + "/" + volume + "/" + data_name
query_value = ""
headers = {'X-tableau-auth':token}
#GET /api/api-version/sites/site-id/views/view-id/data?vf_<fieldname>=filter-value
data_get_url="https://{server}/api/{version}/sites/{siteid}/views/{viewid}/data?{query}".format(
server=TABLEAU_SERVER, version=TABLEAU_VERSION, siteid=site_id, viewid=view_id, query= query_value)
urlData = requests.get(data_get_url,headers=headers).content
outtext = urlData.decode()
#取得したデータを出力してみる
print(outtext)
#ファイルに出力する
with open(data_path_volume, mode='w') as f:
f.write(outtext)
②Tableauのデータがボリュームにダウンロードされたことを確認
③ダウンロードしたCSV データを データフレーム に読み込む
df = spark.read.csv(f"{data_path_volume}",
header=True,
inferSchema=True,
sep=",")
④列名に日本語や制約記号がある場合は、列名を変更
例：
df = df.withColumnRenamed("Country/Region", "Country_Region")
df = df.withColumnRenamed("State/Province", "State_Province")
df = df.withColumnRenamed("経度 (生成)", "Longitude")
df = df.withColumnRenamed("緯度 (生成)", "Latitude")
df = df.withColumnRenamed("Profit Ratio", "Profit_Ratio")
⑤データフレームをテーブルに保存する
df.write.mode("overwrite").saveAsTable(f"{path_table}" + "." + f"{table_name}")
⑥テーブルが作成されてることを確認
4.DatabricksのダッシュボードにTableauビューとデータを設定
①「新規」→「ダッシュボード」をクリック
②「テキストボックスを追加」アイコンをクリックし、ダッシュボードに配置
③ボリュームにダウンロードしているTableauビューイメージを指定
例：
④外部にカーソルをクリックすると、Tableauビューのイメージがダッシュボードに表示される
⑤ダウンロードしたTableauのデータをDatabricksのダッシュボードに追加
「データ」タブをクリック
⑥「テーブルを選択」をクリックし、手順3で作成したテーブルを選択
⑦「Canvas」をクリックし、ダッシュボード画面に戻り、「ビジュアライゼーションを追加」アイコンをクリック
⑧自然言語を入力し、Enterを押すと、対応グラフが表示される、問題なければ承認をクリック
⑨「公開」をクリック
⑩「Genie」をOnにし、「公開」
5.DatabricksのGenieを使ってみる
①「Genieに聞く」をクリック
②ダッシュボードを見ながら、自然言語で質問すると、回答を得ることができる
③回答は日本語で設定することも可能
1)新規でGenieスペースを作成し、設定から日本語で回答するように指示を設定
2)「共有」→「リンクをコピー」をクリック
3)ダッシュボードの公開から「既存のGenie spaceをリンク」を選択し、コピーしたGenieリンクを貼り付ける
4)日本語で回答が返ってくることを確認できる
5)TableauのビューをDatabricksで見ながら、自然言語でドリルダウン分析が可能
参考手順（動画）
以上