［ETL实践指南］基于Kettle的MaxCompute插件实现数据上云

本文用到的

阿里云数加－大数据计算服务MaxCompute产品地址：https://www.aliyun.com/product/odps

简介

Kettle是一款开源的ETL工具，纯java实现，可以运行于Windows, Unix, Linux上运行，提供图形化的操作界面，可以通过拖拽控件的方式，方便地定义数据传输的拓扑。Kettle支持丰富的数据输入输出源，数据库支持Oracle，MySql，DB2等，也支持业界各种开源的大数据系统，例如HDFS, HBase, Cassandra, MongoDB等。本文将介绍如何利用MaxCompute的插件无缝对接阿里云的大数据计算平台——MaxCompute。

环境要求

JDK (1.6以上，推荐1.7)
Kettle（建议5.4.0以后的版本）
Apache Maven 3.x

插件部署

下载MaxCompute的Kettle插件包

$ wget http://odps-repo.oss-cn-hangzhou.aliyuncs.com/data-collectors%2Faliyun-kettle-odps-plugin-2.0.2.tar.gz

部署Kettle MaxCompute插件

将kettle-odps-plugin安装到Kettle plugins目录下

$ cp aliyun-kettle-odps-plugin-1.0.0.tar.gz {YOUR_KETTLE_DIRECTORY}/plugins
$ cd {YOUR_KETTLE_DIRECTORY}/plugins
$ tar zxvf aliyun-kettle-odps-plugin-1.0.0.tar.gz && rm aliyun-kettle-odps-plugin-1.0.0.tar.gz

安装完成后，重启Kettle，重启后新建一个转换（Transformation），然后可以在Big Data这个大类中找到Aliyun MaxCompute Input/Output，如下图所示。

屏幕快照 2016-11-30 下午5.36.29.png

使用场景

这里举几个简单的示例演示一下如何利用Kettle的MaxCompute插件将数据导入或导出。

MySQL数据导入MaxCompute

安装MySQL JDBC Connector

kettle默认是没有MySQL的JDBC Connector的，需要先下载MySQL 的JDBC Connector，将Connector的jar包放至kettle的lib目录下，重启kettle即可。

Steps配置

新建mysql的DB连接

mysql connect.png

添加mysql的表输入

表输入配置需要提供一个sql，本例是要将Mysql数据库的words表导入MaxCompute中，如下图所示，运行“select * from words;”这样一条SQL即可，其中words表的schema为“（id int, line varchar(1000))”。
mysql input.png

添加Aliyun MaxCompute Output

首先需要要MaxCompute中创建与Mysql数据源相对应的数据表，本例中建表语句如下：

create table testoyz (a bigint, b string);

然后，如下图所示，配置好endpoint, accessId, accessKey, projectName, tableName等必要的参数。

粘贴图片0.png

运行转换，查看结果

运行已经建立好的转换Steps，运行成功后，可以在MaxCompute的相应数据表中查询到传输过来的数据。

odps@ xxx_project_name>read testoyz;
+------------+------------+
| a          | b          |
+------------+------------+
| 1          | hello world |
| 2          | hello maxcompute |
| 3          | test test test |
+------------+------------+

将MaxCompute表导出到Excel文件

可以使用Aliyun MaxCompute Input组件下载MaxCompute中的表数据到Excel文件中，下图的配置是将上个例子中的表导出为Excel文件。

粘贴图片1.png

配置好后运行转换，表中的数据会被下载保存在excel文件中。