Kettle版本：8.2.0.0-342
MaxCompute JDBC driver版本：3.2.8
Setup
- 下载并安装Kettle
- 下载MaxCompute JDBC driver
- 将MaxCompute JDBC driver置于Kettle安装目录下的lib子目录（data-integration/lib）
- 下载并编译MaxCompute Kettle plugin：https://github.com/aliyun/aliyun-maxcompute-data-collectors
- 将编译后的MaxCompute Kettle plugin置于Kettle安装目录下的lib子目录（data-integration/lib）
- 启动spoon
Job
我们可以通过Kettle + MaxCompute JDBC driver来实现对MaxCompute中任务的组织和执行。
首先需要执行以下操作：
- 新建Job
- 新建Database Connection
JDBC连接串格式为：jdbc:odps:?project=
JDBC driver class为：com.aliyun.odps.jdbc.OdpsDriver
Username为阿里云AccessKey Id
Password为阿里云AccessKey Secret
JDBC更多配置见：https://help.aliyun.com/document_detail/161246.html
之后，可以根据业务需要，通过SQL节点访问MaxCompute。下面我们以一个简单的ETL过程为例：
Create table节点的配置如下：
需要注意：
- 这里Connection需要选择我们配置好的
- 不要勾选Send SQL as single statement
Load from OSS节点配置如下：
需要注意的点同Create table节点。有关更多Load的用法，见：https://help.aliyun.com/document_detail/157418.html
Processing节点配置如下：
需要注意的点同Create table节点。
Transformation
我们可以通过MaxCompute Kettle plugin实现数据流出或流入MaxCompute。
首先新建Transformation，之后新建Aliyun MaxCompute Input节点，配置如下：
在MaxCompute中新建一张空表，schema与test_partition_table一致。
新建Aliyun MaxCompute Output节点，配置如下：
执行Transformation，数据便从test_partition_table被下载，后被上传至test_partition_table_2。
其他
设置MaxCompute flags
如图，在执行DDL/DML/SQL之前，可以通过set key=value;的方式配置flags。
Script模式
暂时无法支持
