4.2 Flask と DynamoDB を接続する方法 (Boto3)

4.2 Flask と DynamoDB を接続する方法 (Boto3) #

FlaskアプリケーションとDynamoDBを連携させることで、効率的なデータベース管理が可能になります。この記事では、FlaskとDynamoDBを接続する方法を解説し、Boto3ライブラリを使用したデータベース操作の例を示します。

1. 前提条件 #

1.1 AWSアカウントの作成 #

DynamoDBを使用するには、AWSアカウントが必要です。まだアカウントがない場合は、AWS公式サイトから登録してください。

1.2 AWS CLIのインストールと設定 #

AWS CLIを使用して、DynamoDBにアクセスするための認証情報を設定します。AWS CLIがインストールされていない場合は、公式ドキュメントに従ってインストールし、aws configureコマンドで認証情報を設定してください。

2. Boto3のインストール #

Python用のAWS SDKであるBoto3を使用して、FlaskアプリケーションからDynamoDBにアクセスします。Boto3をインストールするには、次のコマンドを実行してください。

$ pip install boto3

3. FlaskとDynamoDBの接続 #

3.1 Boto3を使ったDynamoDBクライアントの作成 #

FlaskアプリケーションでDynamoDBを操作するために、Boto3を使ってDynamoDBクライアントを作成します。以下のコードをアプリケーションの適切な場所に追加してください。

import boto3

dynamodb = boto3.resource('dynamodb', region_name='your_region_name')

3.2 DynamoDBテーブルへのアクセス #

DynamoDBクライアントを作成したら、テーブルへのアクセスが可能になります。以下のコードでテーブルを指定してアクセスできます。

table = dynamodb.Table('your_table_name')

your_table_nameには、アクセスするDynamoDBテーブル名を指定してください。

4. Boto3を使ったDynamoDB操作の例 #

4.1 データの追加（Put） #

DynamoDBにデータを追加するには、put_itemメソッドを使用します。以下は、データを追加する例です。

response = table.put_item(
   Item={
        'id': 1,
        'username': 'johndoe',
        'email': 'johndoe@example.com'
    }
)

4.2 データの取得（Get） #

データを取得するには、get_itemメソッドを使用します。以下は、データを取得する例です。

response = table.get_item(
    Key={
        'id': 1
    }
)
item = response['Item']

4.3 データの更新（Update） #

データを更新するには、update_itemメソッドを使用します。以下は、データを更新する例です。

response = table.update_item(
    Key={
        'id': 1
    },
    UpdateExpression='SET email = :new_email',
    ExpressionAttributeValues={
        ':new_email': 'john.doe@example.com'
    }
)

4.4 データの削除（Delete） #

データを削除するには、delete_itemメソッドを使用します。以下は、データを削除する例です。

response = table.delete_item(
    Key={
        'id': 1
    }
)

4.5 クエリ（Query） #

データを条件に基づいて検索するには、queryメソッドを使用します。以下は、データをクエリする例です。

response = table.query(
    KeyConditionExpression=Key('username').eq('johndoe')
)
items = response['Items']

DynamoDBでは、検索クエリを実行するためにquery()やscan()メソッドを使用できます。以下では、query()メソッドを使った検索クエリの例を示します。

例えば、Usersテーブルから年齢が特定の値以上のユーザーを検索する場合、以下のように実装できます。

def query_users_by_age(min_age):
    response = table.query(
        IndexName='age-index',
        KeyConditionExpression=Key('age').gte(min_age)
    )
    return response['Items']

ただし、この例ではage-indexという名前のGlobal Secondary Indexが必要です。このインデックスは、age属性をパーティションキーとして設定します。

また、scan()メソッドを使って全項目をスキャンし、フィルターを適用することもできます。ただし、scan()はパフォーマンスやコスト面で効率的でない場合があるため、できる限りquery()を使うことをお勧めします。

以下は、scan()メソッドを使った検索クエリの例です。

def scan_users_by_age(min_age):
    response = table.scan(
        FilterExpression=Attr('age').gte(min_age)
    )
    return response['Items']

これらの検索クエリをFlaskのルーティングに組み込むことで、Webアプリケーションから検索機能を実行できます。

まとめ #

この記事では、FlaskアプリケーションとDynamoDBを接続し、Boto3ライブラリを使用してデータベース操作を行う方法を解説しました。これにより、スケーラブルで高パフォーマンスなデータベース管理が可能になります。これらの手法を活用して、効率的なWebアプリケーションの開発を行いましょう。