本教程以使用者Portrait analysis為例，示範如何使用DataWorks完成資料同步、資料加工和品質監控的全流程操作。為確保您能夠順利完成本教程，請準備好所需的EMR叢集、DataWorks工作空間，並完成相關的環境配置。
業務背景
為了更好地制定企業經營策略，現需要從使用者網站行為中擷取網站使用者群體基本畫像資料，例如，使用者群體的地理屬性、社會屬性等，實現定時定點進行Portrait analysis，進而實現網站流量精細化營運操作。
操作前須知
為了順利進行教程操作，請您務必閱讀實驗介紹，充分瞭解使用者Portrait analysis案例整體流程。
注意事項
本教程提供教程所需使用者資訊資料與網站訪問測試資料，您可直接使用。
本教程提供資料僅作為阿里雲巨量資料開發治理平台DataWorks資料應用實操使用，所有資料均為人工Mock資料。
本教程使用資料開發（Data Studio）（新版）進行資料加工。
EMR環境準備
本教程需要您建立一個EMR叢集並整合到DataWorks，以便在DataWorks平台上執行基於EMR叢集的資料處理任務。關鍵配置參數如下。建立EMR叢集的詳細步驟，請參見相關文檔建立叢集。
參數 | 取值 |
地區 | 華東2（上海）。 |
業務情境 | 資料湖。 |
產品版本 | 選擇最新版本。 |
可選服務 | 根據實際需求選擇組件，其中Hive組件、OSS-HDFS組件在本案例中必選。 |
中繼資料 | DLF統一中繼資料。 |
叢集儲存根路徑 | 選擇OSS-HDFS執行個體。如果下拉式清單為空白，請單擊建立OSS-HDFS執行個體。 |
對於不同配置的EMR叢集，DataWorks的支援情況存在差異。如果您需要在DataWorks上進行EMR任務開發，建議在建立EMR叢集前參考相關文檔DataWorks on EMR叢集配置最佳實務。
DataWorks環境準備
使用DataWorks開發前，請確保已開通DataWorks服務，詳情請參見開通DataWorks服務。
一、建立工作空間
如果在華東2（上海）地區已有（新版）工作空間，可以忽略該步驟，使用已有工作空間。
登入DataWorks控制台，在頂部切換地區至華東2（上海），單擊左側導覽列中的工作空間，進入空間列表頁面。
單擊建立工作空間，建立參加資料開發（Data Studio）（新版）公測的標準模式空間（生產、開發環境隔離）。
說明2025年02月18日後，主帳號在華東2（上海）地區首次開通DataWorks並建立工作空間時，預設啟用新版資料開發。
更多建立工作空間的操作指導，請參見建立工作空間。
二、建立Serverless資源群組
購買Serverless資源群組。
本教程在資料同步與調度時，需要使用DataWorks的Serverless資源群組，因此您需要先購買Serverless資源群組，並完成前期的準備工作。
登入DataWorks-資源群組列表頁，在頂部切換地區至華東2（上海），單擊左側導覽列的資源群組，進入資源群組列表頁面。
單擊建立資源群組，在資源群組購買頁面，選擇地區和可用性區域為華東2（上海）、設定資源群組名稱，其他參數可根據介面提示進行配置，然後根據介面提示完成付款。Serverless資源群組的計費說明請參見Serverless資源群組計費。
說明如當前地區沒有可用的VPC和交換器，請單擊參數說明中對應的控制台連結前往建立。VPC和交換器的更多資訊，請參見什麼是專用網路。
將資源群組綁定至DataWorks工作空間。
新購買的Serverless資源群組需要綁定至工作空間，才能在後續操作中使用。
登入DataWorks-資源群組列表頁，在頂部切換地區至華東2（上海），找到購買的Serverless資源群組，單擊操作列的綁定工作空間，然後單擊已建立的DataWorks工作空間後的綁定。
為資源群組配置公網訪問能力。
由於本教程使用的測試資料需要通過公網擷取，資源群組預設不具備公網訪問能力，因此需要為資源群組綁定的VPC配置公網NAT Gateway，添加EIP，使其與公開資料網路打通，從而擷取資料。
登入專用網路-公網NAT Gateway控制台，在頂部功能表列切換地區至華東2（上海）。
單擊建立公網NAT Gateway，配置相關參數。以下為本樣本所需配置的關鍵參數，未說明參數保持預設即可。
參數
取值
所屬地區
華東2（上海）。
所屬專用網路
選擇資源群組綁定的VPC和交換器。
您可以前往DataWorks管理主控台，切換至華東2（上海）地區後，在左側導覽列單擊資源群組列表，找到已建立的資源群組，然後單擊操作列的網路設定，在資料調度 & Data Integration地區查看綁定專用網路和交換器。VPC和交換器的更多資訊，請參見什麼是專用網路。
關聯交換器
訪問模式
專用網路全通模式（SNAT）。
Elastic IP Address執行個體
新購Elastic IP Address。
關聯角色建立
首次建立NAT Gateway時，需要建立服務關聯角色，請單擊建立關聯角色。
單擊立即購買，勾選服務合約後，單擊立即開通，完成購買。
更多新增和使用Serverless資源群組的操作指導，請參見新增和使用Serverless資源群組。
三、綁定EMR計算資源
您可根據以下操作將EMR計算資源綁定到您所建立的工作空間，為工作空間提供計算儲存服務。
進入DataWorks-工作空間列表頁，在頂部切換地區至華東2（上海），找到已建立的工作空間，單擊工作空間名稱，進入空間詳情頁。
在左側導覽列單擊計算資源。
單擊綁定計算資源，選擇EMR ，進入綁定EMR計算資源的配置頁面。
配置如下參數：
配置項
說明
叢集所屬雲帳號
選擇當前阿里雲主帳號。
叢集類型
選擇資料湖（DataLake）。
叢集
選擇EMR環境準備建立的EMR叢集。
預設訪問身份
定義在當前工作空間下，使用什麼身份訪問該EMR叢集。
開發環境：選擇使用叢集帳號：hadoop。
生產環境：選擇使用叢集帳號：hadoop。
傳遞Proxy User資訊
選擇不傳遞。
計算資源執行個體名
自訂計算資源執行個體名稱。
單擊確認，完成EMR計算資源配置。
在計算資源管理頁面找到您所綁定的EMR計算資源，點擊右上方的資源群組初始化按鈕，完成資源群組連通性測試操作。
更多綁定計算資源的操作指導，請參見：綁定計算資源。
後續步驟
現在，您已經完成了環境的準備，可以繼續下一個教程。在下一個教程中，您將學習如何將使用者基本資料資料和使用者網站訪問日誌資料同步至OSS，並通過EMR Hive節點建表查詢同步後的資料。詳情請參見同步資料。