前提条件
请确保以下工作已经完成：
开通阿里云账号。
购买MaxCompute。
创建要使用的项目空间，详情请参见创建空间。如果要使用的项目空间已存在，请确保已被添加至此项目空间并被赋予建表等权限。
完成客户端安装配置。
导入数据
Tunnel命令导入数据
1.准备数据 。将测试数据下载至本地备用
2.创建MaxCompute表。
3.执行Tunnel命令。
4.结果验证。
实际上整个过程有点像hive的数据导入，但是maxcomputer主要用通道来完成，而hive可以基于hdfs完成
其他导入方式：
除了通过客户端导入数据，您也可以使用MaxCompute Studio、Tunnel SDK、数据集成、开源的Sqoop、Fluentd、Flume、LogStash 等工具将数据导入到MaxCompute
后续步骤
当数据导入到MaxCompute后，可以在MaxCompute上运行SQL来处理数据。
sql运行以及导出数据
MaxCompute支持以下方式运行SQL语句：
客户端
DataWorks、Dataphin
背景信息：
MaxCompute目前支持的SQL语法如下：
各类运算符。
通过DDL语句对表、分区以及视图进行管理。
通过SELECT语句查询表中的记录，通过WHERE语句过滤表中的记录。
通过INSERT语句插入数据、更新数据。
通过等值连接JOIN操作，支持两张表的关联，并支持多张小表的MapJOIN。（maxcomputer的建表好像没有mysql那样的依赖操作，建表时主要考虑优化问题）
通过内置函数和自定义函数来进行计算。
正则表达式。
MaxCompute SQL不支持事务、索引、UPDATE以及DELETE等操作，同时MaxCompute的SQL语法与Oracle、MySQL有一定差别，您无法将其他数据库中的SQL语句无缝迁移到MaxCompute上来。
MaxCompute上作业提交后会有几十秒到数分钟不等的排队调度，所以MaxCompute适合一次批量处理海量数据的跑批作业，不适合直接对接需要每秒处理几千至数万笔事务的前台业务系统。
提取和分析数据
INSERT OVERWRITE TABLE result_table
SELECT education,COUNT(marital) AS num
FROM bank_data
WHERE housing = ‘yes’ AND marital = ‘single’
GROUP BY education;
上述过程仅仅是一个最简单的数据加工举例，您在实际应用的过程中，可能需要使用多个SQL对多个表进行加工操作。推荐您使用DataWorks完成复杂的数据加工业务流程。
导出数据
tunnel download result_table D:\result.txt;
MapReduce编程
操作步骤
1.安装并配置好客户端后，运行bin目录下的MaxCompute客户端（Linux系统下运行./bin/odpscmd，Windows下运行./bin/odpscmd.bat），进入相应项目空间中。
2.使用Tunnel命令上传数据。
3.在表中插入数据。
4.开发MapReduce程序并上传MaxCompute。
5.在MaxCompute客户端，添加Jar包到project资源（例如，此处的Jar包名为word-count-1.0.jar）。
6.在MaxCompute客户端运行Jar命令。
7.在MaxCompute客户端查看结果。
开发Java UDF
1.准备工具环境并创建Java Module。
您需要完成准备工作，包括安装Studio并在Studio上创建MaxCompute项目链接以及创建MaxCompute Java Module。
2.编写代码（maven注入依赖）
3.注册MaxCompute UDF。
4.试用UDF。
编写Graph
略
临时查询
进入DataWorks控制台工作空间列表页面，单击相应工作空间后的进入数据开发。
创建ODPS SQL节点。
填写新建节点对话框中的节点名称，单击提交完成节点的创建。
在创建的临时查询节点中输入SQL语句，单击按钮。
您可以查看本次运行的费用预估，决定是否继续进行本次操作。单击运行，继续SQL语句运行。
在下方的日志窗口，查看运行情况和最终结果。如果本次运行成功，结果为OK。
