在大数据计算MaxCompute的pyodps中，可以通过Tunnel模块调用集成数据DI进行数据上传和下载。Tunnel模块是MaxCompute提供的数据隧道服务，可以实现高速、可靠的数据上传和下载，支持多种数据格式和压缩方式。
以下是一个使用Tunnel模块从集成数据DI下载数据的示例代码：
python
Copy
from odps import ODPS
from odps.tunnel import TunnelDownloader

创建ODPS连接

odps = ODPS('your_access_id', 'your_access_key', 'your_project_name', endpoint='your_endpoint')

创建TunnelDownloader对象

downloader = TunnelDownloader(odps)

下载数据

downloader.download('your_table_name', '/path/to/local/file')
在该示例中，使用TunnelDownloader对象从集成数据DI下载your_table_name表的数据，并保存到本地文件/path/to/local/file中。TunnelDownloader对象的构造函数需要传入一个ODPS连接对象，用于连接MaxCompute和集成数据DI服务。

是的，大数据计算MaxCompute的Python SDK pyodps 提供了对 Data Integration（DI） 的支持。通过 pyodps，您可以使用 Python 脚本调用 DI 任务，并实现数据集成、转换和同步等操作。

以下是一些常见的使用方式：

1. 创建 DI 车手任务：使用 pyodps 创建一个 DI 车手任务对象，指定任务名称和所属项目。

from odps import ODPS
from odps.models import projects

odps = ODPS('<your access id>', '<your secret access key>', project='<your project name>')
task = projects.Task(odps, 'my_task_name', project='my_project')

1. 设置 DI 车手任务参数：通过 .set_xxx() 方法设置 DI 车手任务的输入、输出、脚本和其他相关参数。

task.set_script('di_script_name')
task.set_input('input_table1', 'input_table2')
task.set_output('output_table')
task.set_partition('ds=20210101')
# 设置其他参数
task.set('key', 'value')

1. 执行 DI 车手任务：使用 .submit() 方法提交 DI 车手任务并执行。

instance = task.submit()
instance.wait_for_success()

1. 获取 DI 车手任务结果：根据需要，可以通过 .get_result() 方法获取 DI 车手任务的结果。

result = instance.get_result()
print(result)

通过以上方法，您可以在 Python 环境中方便地调用 DI 任务，完成数据集成和转换等操作。

pyodps本身不能调度di，可以做上下游依赖，pyodps执行一次，di节点也执行一次。此回答整理自钉群“MaxCompute开发者社区2群”