使用Kettle调度MaxCompute

前提条件

操作流程

1. 步骤一：放置MaxCompute JDBC驱动

   将MaxCompute JDBC驱动放置于Kettle的驱动目录下，后续Kettle可通过该驱动访问MaxCompute项目。

2. 步骤二：Kettle连接MaxCompute项目

   通过配置连接参数，连接Kettle及MaxCompute项目。

3. 步骤三：创建作业调度流程

   在Spoon界面创建作业调度流程并配置作业信息。

4. 步骤四：运行作业调度流程

   基于创建好的作业调度流程运行作业。

5. 步骤五：查看作业调度结果

   通过SQL编译器查看作业调度结果。

步骤一：放置MaxCompute JDBC驱动

将MaxCompute JDBC驱动JAR包（例如odps-jdbc-3.2.9-jar-with-dependencies.jar）放置于Kettle的安装目录data-integration/lib下。

步骤二：Kettle连接MaxCompute项目

1. 在Kettle的安装目录data-integration下，双击Spoon.bat（Windows系统）或者双击Spoon（macOS系统），即可启动Spoon，进入Spoon界面。

2. 在顶部菜单栏，选择文件 > 新建 > 作业，创建Kettle作业，用于后续创建作业调度流程。

   

3. 在主对象树页签的DB连接处单击右键选择新建。

   

4. 在数据连接对话框单击一般，并配置下表所列参数信息。

   

   参数	说明
   连接名称	新建数据连接的名称，用于在系统中区分不同数据库的连接。例如MaxCompute。
   连接类型	固定选择Generic database。
   连接方式	固定选择Native (JDBC) 。
   Dialect	固定选择Hadoop Hive 2 。
   自定义连接URL	连接MaxCompute项目的URL。格式为jdbc:odps:<MaxCompute_endpoint>?project=<MaxCompute_project_name>。配置时删除<>符号。参数说明如下： <MaxCompute_endpoint>：必填。MaxCompute项目所属区域的Endpoint。 各地域的Endpoint信息，请参见Endpoint。 <MaxCompute_project_name>：必填。待连接的目标MaxCompute项目名称。 此处为MaxCompute项目名称，非工作空间名称。您可以登录MaxCompute控制台，左上角切换地域后，即可在项目管理页面查看到具体的MaxCompute项目名称。
   自定义驱动类名称	用于连接MaxCompute项目的驱动程序。固定取值为com.aliyun.odps.jdbc.OdpsDriver。
   用户名	具备目标MaxCompute项目访问权限的AccessKey ID。 您可以进入AccessKey管理页面获取AccessKey ID。
   密码	AccessKey ID对应的AccessKey Secret。

5. 单击测试，连接成功后依次单击确定、确认，完成Kettle和MaxCompute连接。

   

步骤三：创建作业调度流程

您可以在Spoon界面的核心对象页签通过创建、关联核心对象（作业）的方式构造作业调度流程。

此处以通过LOAD命令从OSS加载数据，并写入MaxCompute内部表的ETL过程为例为您介绍操作流程，对应示例数据请参见通过内置Extractor（StorageHandler）导入数据。该ETL过程涉及的作业可根据核心对象类型拆解如下。

1. 在Spoon界面，单击核心对象页签。

2. 基于上图拆解的核心对象，从左侧导航栏中依次拖拽核心对象组件至右侧作业区域中，并按照下图所示结构连接各核心对象。

   连接核心对象的方式为：选中核心对象后，按住Shift同时单击核心对象，即可出现连接线，连接至目标核心对象即可。

3. 在脚本类型的核心对象上单击右键，选择编辑作业入口，在SQL对话框配置下表所列参数信息后，单击确定。依次完成所有脚本类型核心对象配置。

   

   参数	说明
   作业项名称	调度作业的名称。例如Create table、Load from OSS、Processing。
   数据库连接	访问的数据连接名称。即步骤二中创建的数据连接。例如MaxCompute。
   将SQL脚本作为一条语句发送	不选中。
   SQL脚本	调度作业对应的SQL脚本。示例中脚本类型核心对象对应的SQL脚本如下： Create table CREATE TABLE ambulance_data_csv_load ( vehicleId INT, recordId INT, patientId INT, calls INT, locationLatitute DOUBLE, locationLongtitue DOUBLE, recordTime STRING, direction STRING); Load from OSS LOAD OVERWRITE TABLE ambulance_data_csv_load FROM LOCATION 'oss://oss-cn-hangzhou-internal.aliyuncs.com/mc-test/data_location/' STORED BY 'com.aliyun.odps.CsvStorageHandler' WITH serdeproperties ( 'odps.properties.rolearn'='acs:ram::xxxxx:role/aliyunodpsdefaultrole', --AliyunODPSDefaultRole的ARN信息，可通过RAM角色管理页面获取。 'odps.text.option.delimiter'=',' ); Processing INSERT OVERWRITE TABLE ambulance_data_csv SELECT * FROM ambulance_data_csv_load;

步骤四：运行作业调度流程

1. 在创建的作业调度流程界面，单击左上角的图标后，在执行作业对话框右下角单击执行。

   

2. 可选：如果弹出如下对话框，单击是，保存创建的作业调度流程，并按照提示指引命名。例如mc。

   

3. 通过调度流程界面的DAG图或执行结果区域查看运行状态，当呈现下图所示状态时，表明作业调度流程运行结束。

   

步骤五：查看作业调度结果

作业调度流程运行完成后，通过简单SQL脚本查看数据是否成功写入目标表中。

1. 在Spoon界面单击主对象树页签，在创建的Kettle作业（例如mc）下单击DB连接。

2. 在创建的数据连接（例如MaxCompute）上单击右键，选择SQL编辑器。

   

3. 在简单SQL编辑器对话框，输入SQL脚本并单击执行，即可在预览数据对话框查看到查询结果。

   SQL脚本如下：

   SELECT * FROM ambulance_data_csv;