准备环境

业务背景

为了更好地制定企业经营策略，现需要从用户网站行为中获取网站用户群体基本画像数据，例如，用户群体的地理属性、社会属性等，实现定时定点进行画像分析，进而实现网站流量精细化运营操作。

操作前须知

为了顺利进行教程操作，请您务必阅读实验介绍，充分了解用户画像分析案例整体流程。

注意事项

• 本教程提供教程所需用户信息数据与网站访问测试数据，您可直接使用。

• 本教程提供数据仅作为阿里云大数据开发治理平台DataWorks数据应用实操使用，所有数据均为人工Mock数据。

• 本教程使用数据开发（Data Studio）（新版）进行数据加工。

OSS对象存储环境准备

本教程需要您创建一个OSS Bucket，后续会将用户信息和网站访问日志信息同步到OSS Bucket中，用于数据建模和数据分析。

1. 登录OSS控制台。

2. 在左侧导航栏，单击Bucket列表，在Bucket列表页面，单击创建Bucket。

3. 在创建Bucket对话框中，配置各项参数，单击完成创建。配置如下：

   参数	取值

   参数	取值
   Bucket名称	本示例命名为dw-spark-demo。
   地域	选择华东2（上海）
   HDFS服务	根据界面提示打开HDFS服务开关

4. 在Bucket列表页单击相应的Bucket名称，进入Bucket的文件管理页面。

EMR Serverless Spark工作空间准备

本案例采用EMR Serverless Spark进行实验，请确保您已拥有Spark空间，若您没有Spark空间，需在E-MapReduce Serverless Spark版页面进行开通。配置如下：

DataWorks环境准备

使用DataWorks开发前，请确保已开通DataWorks服务，详情请参见开通DataWorks服务。

步骤三：绑定EMR Serverless Spark为计算资源

1. 进入DataWorks-工作空间列表页，在顶部切换地域至华东2（上海），找到已创建的工作空间，单击工作空间名称，进入空间详情页。

2. 在左侧导航栏单击计算资源。

3. 单击绑定计算资源，选择需要绑定的计算资源类型，然后配置相关参数。

   本教程使用EMR Serverless Spark作为计算和存储资源，此处计算资源类型选择EMR Serverless Spark，配置相关参数。以下为本示例所需配置的关键参数，未说明参数保持默认即可。

   参数	说明

   参数	说明
   Spark工作空间	选择需要绑定的Spark工作空间，下拉选择EMR Serverless Spark工作空间，您也可以在下拉菜单中单击新建，前往EMR Serverless Spark控制台进行创建，然后再回到DataWorks空间中选择新创建的Spark工作空间。 说明 如果在创建工作空间时选择了隔离生产、开发环境，则此处需要分别为生产和开发环境选择Spark工作空间。 如何创建Spark工作空间，请参见创建Spark工作空间。
   默认引擎版本	在Data Studio中新建EMR Spark任务时，将会默认使用此处配置的引擎版本、消息队列和SQL Compute。
   默认消息队列
   默认SQL Compute
   默认访问身份	定义在当前工作空间下，用什么身份访问该Spark工作空间。 开发环境：当前仅支持使用执行者身份访问。 生产环境：支持使用阿里云主账号、阿里云RAM子账号和任务责任人。
   计算资源实例名	用于标识该计算资源，在任务运行时，通过计算资源实例名称来选择任务运行的计算资源。

4. 单击确认，完成Serverless Spark计算资源配置。

更多绑定计算资源的操作指导，请参见：绑定计算资源参考。

后续步骤

现在，您已经完成了环境的准备，您可以继续下一个教程。在下一个教程中，您将学习将用户基本信息数据、用户网站访问日志数据同步至OSS，然后通过Spark SQL节点建表查询同步后的数据。详情请参见同步数据。