准备环境

创建DataWorks工作空间

1. 登录DataWorks控制台。

2. 单击左侧导航栏上的工作空间列表，进入空间列表页面。

3. 单击创建工作空间，在左侧弹出的创建工作空间面板内新建生产、开发环境隔离的标准模式空间。

创建资源组

在使用DataWorks前，必须新建资源组，为数据同步与调度提供运行资源，所以需要确保资源组与Serverless Spark之间的网络正常联通。

1. 购买Serverless资源组。

   1. 登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的资源组，进入资源组列表页面。

   2. 单击新建资源组，在资源组购买页面，选择地域和可用区为华东2（上海）、设置资源组名称，其他参数可根据界面提示进行配置，完成后根据界面提示完成付款。Serverless资源组的计费说明请参见Serverless资源组计费。

      说明

      本教程将使用华东2（上海）地域的Serverless资源组进行示例演示，需注意Serverless资源组不支持跨地域操作。

2. 配置Serverless资源组。

   1. 登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的资源组，进入资源组列表页面。

   2. 找到购买的Serverless资源组，单击操作列的修改归属工作空间，根据界面提示将资源组绑定至已创建的DataWorks工作空间。

   3. 为资源组配置公网访问能力。

      1. 登录专有网络-公网NAT网关控制台，在顶部菜单栏切换至华东2（上海）地域。

      2. 单击创建NAT网关。配置相关参数。

         参数	取值
         所属地域	华东2（上海）。
         所属专有网络	选择资源组绑定的VPC和交换机。 您可以前往DataWorks管理控制台，切换地域后，在左侧导航栏单击资源组列表，找到已创建的资源组，然后单击操作列的网络设置，在数据调度 & 数据集成区域查看绑定的专有网络和交换机。VPC和交换机的更多信息，请参见什么是专有网络。
         关联交换机
         访问模式	VPC全通模式（SNAT）。
         弹性公网IP	新购弹性公网IP。
         关联角色创建	首次创建NAT网关时，需要创建服务关联角色，请单击创建关联角色。

         说明

         上表中未说明的参数保持默认值即可。

      3. 单击立即购买，勾选服务协议后，单击确认订单，完成购买。

注册EMR Serverless Spark集群

用户画像分析的流程中的数据存储与数据处理，将在EMR Serverless Spark集群中进行，需您提前注册好相应的Spark集群。

1. 进入管理中心页面。

   登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的更多 > 管理中心，在下拉框中选择对应工作空间后单击进入管理中心。

2. 单击左侧导航栏的集群管理进入集群管理页面后，单击注册集群，即可在弹窗内选择E-MapReduce，进行配置EMR Serverless Spark集群。

3. 注册E-MapReduce 集群

   • 集群显示名称：自定义即可。

   • 集群所属云账号：选择当前阿里云主账号。

   • 集群类型：EMR Serverless Spark。

   • E-MapReduce工作空间：选择准备的EMR Serverless Spark 工作空间准备。

   • 默认引擎版本：在DataStudio中新建EMR Spark任务时，将会默认使用该引擎版本。如需面向不同任务设置不同的引擎版本，请在Spark任务编辑窗口的“高级设置”中进行定义。

   • 默认资源队列：在DataStudio中新建EMR Spark任务时，将会默认使用该资源队列。如需面向不同任务设置不同的资源队列，请在Spark任务编辑窗口的“高级设置”中进行定义。

   • 默认SQL Compute：在DataStudio中新建EMR Spark SQL任务时，将会默认使用该SQL Compute。如需面向不同任务设置不同的SQL Compute，请在Spark任务编辑窗口的“高级设置”中进行定义。

   • 默认访问身份：开发环境默认为执行者，生产环境可选择阿里云主账号、阿里云RAM子账号、任务责任人。

     说明

     本教程配置如上，若您的场景与此不同，可参考注册EMR集群至DataWorks。

创建数据源

本教程为您提供了存储用户信息数据的MySQL数据库，以及存储用户日志数据的OSS对象存储，需要在DataWorks上将其创建为数据源以供数据同步使用。