通过最佳实践帮助您实现上述案例效果
接下来，我们需要准备好一张表及数据集；
hive表名：hive_dplus_good_sale；
是否分区表：分区表，分区名为pt；
hdfs文件数据列分隔符：英文逗号；
表数据量：100条。
源hive表建表语句
数据预览如下：
hdfs&datax类型对照表
在hive表中的数据类型
datax 内部类型
tinyint,smallint,int,bigint
long
float,double,decimal
double
string,char,varchar
string
boolean
date,timestamp
date
binary
1.1 开通maxcompute
1.2 数加上创建maxcompute project
操作步骤:
步骤2：创建项目。付费模式选择i/o后付费，输入项目名称：
步骤3：创建maxcompute表。进入大数据开发套件的数据开发页面：
新建表
对应建表语句：
maxcompute中的结构化数据是以表的形式存在，我们可以通过工具或者api将数据直接写入表中。
网络传输
datax是阿里开源的一款工具，可以适配常见的数据源，包括关系数据库、文本文件等，这是一款单机的软件，适用于中小数据量的传输，传输效率按照单机网卡 50%(约50mb/s)计算，一天可以传输的数据量为
50mb/s 60 60 * 24 / 1024/1024 ≈ 4t
具体的传输效率会取决于网络环境（机房出口带宽、本地网络），机器性能，文件格式与数量等多个因素。
使用datax传输数据到odps的部署结构如下，在ecs机器或一台物理机器上部署好datax，此机器要能够同时连通数据源与maxcompute(原odps)服务。
sqoop可以并行起多个任务导出数据，相比datax可以取得更好的性能。
磁盘导入
当数据量比较大（pb级别以上）时，可以考虑通过磁盘将数据导入odps，需要磁盘导入请联系相应的大数据业务架构师。
api: tunnel sdk
当数据源较特殊，无法使用以上现有的工具的时候，可以用sdk编写适配的工具，从数据源读出并写入odps中，tunnel是数据上传的底层接口，可以同时接受大量客户端并行的写入。
<a href="https://help.aliyun.com/document_detail/27837.html?spm=5176.doc34614.6.144.ryeiri">https://help.aliyun.com/document_detail/27837.html?spm=5176.doc34614.6.144.ryeiri</a>
ecs机器部署
前提准备：获取ecs的主机名和ip：
步骤1：增加调度资源。大数据开发套件->项目管理->调度资源管理->增加调度资源，输入名称和标识hive2mc：
步骤2：添加配置ecs服务器：
输入前提准备中获取到的ecs服务器名称和ip，点击添加。
步骤3：初始化ecs服务器：
按照弹框提示，登录ecs服务器（登录外网ip）在root用户下执行两个命令，即部署相关datax等服务。
命令执行成功后，回到“管理服务器”页面，点击刷新按钮可以看到服务器状态为“正常”状态：
此时该项目的调度资源组就有两个：默认资源组、刚添加成功的资源组，后面执行datax任务即使用刚添加成功的资源组进行调度运行。
任务配置
前提准备：查看hive表对应数据文件地址
步骤1：前面ecs机器部署介绍的资源组配置好后，导航上点击进入“数据开发”页面进行任务开发。
步骤2：创建工作流，命名为hive2mc_demo,选择一次性调度（本case是做一次性迁移，若需要每日生产调度则选择周期调度）：
步骤3：在工作流中创建shell节点：
步骤4：代码配置。shell节点创建后，双击节点图，进入代码编辑器进行shell代码编辑。
代码中进行datax配置，reader为hdfsreader，writer为odpswriter，具体代码如下，只需要修改reader和writer的配置：
hdfsreader
path：hive表hdfs文件路径(注意格式)；
defaultfs: hdfs文件系统namenode节点地址（注意格式）；
index：hdfs数据文本第几列，以0开始。
type：hdfs数据对应datax的类型，请看hdsf&datax类型对照表；
filetype: hdfs数据文件类型；
encoding: hdfs数据文件的编码；
fielddelimiter: hdfs数据文件字段分隔符。
odpswriter
project: maxcompute目标表所属项目名称；
table: maxcompute目标表名称；
partition:表分区值，此case直接用固定值；
column:目标表列，注意顺序与reader的列顺序一一对应;
accessid:写入目标表所用的云账号access id;
accesskey:写入目标表所用的云长access key;
truncate:写入前是否清空当前表/分区数据，需要清空就true，需要保留就false。
步骤5：保存shell节点，提交工作流。
步骤6：指派执行资源组。这里将给shell任务指定执行的机器即我们前面部署的ecs。
hive2mc资源组即为《ecs机器部署》章节中配置的资源组。资源组配置好后，后面就可以执行shell任务进行数据迁移。
接前面的步骤，点击shell节点的操作->流程：
进入该节点的任务管理视图界面，右击节点图，选择测试节点，即可把该阶段调度执行起来：
示例名称和业务日期采用默认，直接点击生成并运行，然后点击“前往查看运行结果”。
进入测试实例视图，可以看到节点示例执行状态，如下图变成绿色打勾的符号说明执行成功，右击节点图选择 查看运行日志 查看具体执行日志。
查看日志中读出100条，写入失败0条，说明成功写入100条数据；
可以到数据开发中创建一个脚本文件
运行代码：
查看数据是否正常。
也可以执行
<code>select count(*) from mc_dplus_good_sale where pt=20160618;</code>
查看是否导入的数据是否是100条。