dide
手动配置
30
教程简介
阿里云DataWorks基于多种大数据引擎，为数据仓库、数据湖、湖仓一体等解决方案提供统一的全链路大数据开发治理平台。
本教程通过DataWorks，联合云原生大数据计算服务MaxCompute，使用大数据AI公共数据集（淘宝、飞猪、阿里音乐、Github、TPC等公共数据），指导您如何快速进行大数据分析，快速熟悉DataWorks的操作界面与最基础的数据分析能力。DataWorks的更多建模、集成、开发、治理等全链路的数据能力可前往官方文档进行查看。
我能学到什么
操作难度
低
所需时间
30分钟
使用的阿里云产品
所需费用
准备环境和资源
开始教程前，请按以下步骤准备环境和资源：
开通大数据开发治理平台DataWorks。
访问阿里云免费试用。单击页面右上方的登录/注册按钮，并根据页面提示完成账号登录（已有阿里云账号）、账号注册（尚无阿里云账号）或实名认证（根据试用产品要求完成个人实名认证或企业实名认证）。
成功登录后，即可进入申请免费试用DataWorks页面，单击大数据开发治理平台 DataWorks产品的立即试用。
在弹出的购买试用DataWorks产品的面板上选择开通地域为华东2（上海），勾选服务协议后单击立即试用。
准备MaxCompute环境。
创建工作空间并绑定引擎
创建DataWorks工作空间。
登录DataWorks控制台，单击左侧导航栏的工作空间列表，选择工作空间地域为华东2（上海）后，单击创建工作空间。在创建工作空间面板，配置工作空间信息后单击提交。其中核心配置参数如表所示，其他参数可自定义配置或保持默认值即可。
参数
描述
工作空间名称
可自定义工作空间名称。由于工作空间名称需要全局唯一，如果后续操作时提示名称已存在，可更换名称。
本案例设置工作空间名称为doc_test_santie001。
生产、开发环境隔离
本教程选择：是。即将开发和生产隔离。
【扩展知识】
DataWorks的工作空间分为简单模式和标准模式：
详情请参见。
绑定MaxCompute引擎。
在工作空间创建成功界面的大数据优质引擎推荐区域，单击MaxCompute引擎后的立即绑定。根据界面指引配置引擎绑定信息。其中核心配置参数如表所示，其他参数保持默认值即可。
参数
描述
资源显示名称
自定义。由于资源显示名称需要全局唯一，如果后续操作时提示名称已存在，可更换名称。
本案中设置资源显示名称为doc_test。
付费模式
选择按量付费。
【说明】：如果您无法选择按量付费，说明您在上海地域没有开通按量付费的MaxCompute，您可返回上述步骤，参考准备MaxCompute环境的内容，准备好上海地域的MaxCompute环境。
Quota组
选择默认后付费Quota。
生产环境
开发环境
保持默认即可。
完成MaxCompute引擎绑定后，您就可以在DataWorks上使用MaxCompute引擎开始后续的数据分析操作了。
数据分析：阿里电商公共数据
通过本步骤您将体验DataWorks的数据分析的基础能力，除了阿里电商公共数据之外，DataWorks还为您提供了Github等其他公共数据，您可以根据实际情况使用其他数据进行数据分析功能体验。
【注意】：体验各个数据集的数据分析任务时，也会一样占用MaxCompute资源，请您务必评估好资源使用量，避免产生额外的费用。
登录并进入。
首次登录时界面会为您展示大数据基础服务使用声明，您可阅读后勾选服务协议并单击确认，即可进入数据分析页面。
在欢迎页面的阿里电商数据集模块，单击前往分析，选择MaxCompute引擎，打开默认的临时SQL文件。
运行阿里电商数据集的数据分析SQL文件。
单击SQL文件右上角数据源配置，确认数据源工作空间为上述步骤中创建的工作空间，引擎类型为MaxCompute，数据源为odps_first，然后单击保存。
在SQL文件的顶部单击运行按钮，在弹出的成本预估页面中单击运行，开始运行阿里电商数据集的数据分析任务。
当数据分析任务运行完成后，您可在下面结果页面看到查询结果。
对查询结果进行简单可视化分析。
您可在查询结果页面单击
，DataWorks的SQL分析为您提供了简单的可视化图标功能，您可在此处进行简单的可视化分析。
（可选）数据分析：Github事件公共数据
您也可以对其他公共数据进行数据分析操作，以下以Github时间公共数据为例。大量开发人员在GitHub上进行开源项目的开发工作，并在项目的开发过程中产生海量事件。GitHub会记录每次事件的类型及详情、开发者、代码仓库等信息，并开放其中的公开事件，包括加星标、提交代码等。
登录并进入。单击左侧导航中的公共数据>动态更新>Github事件数据集，单击查看详情按钮，打开Github事件数据集介绍页面，单击事实表统计分析后的前往分析，选择MaxCompute引擎。
在打开的临时文件中的右上角选择工作空间为上述步骤创建的空间，引擎为MaxCompute，数据源为odps_first，保存后单击运行，根据界面提示确认大概所需成本后继续单击运行，当分析任务运行完成后，您可以在结果页面查看运行结果。
运行完成后，您也可以在结果页面进行简单的可视化分析，操作与上述步骤一致，这里不再赘述。
（可选）数据分析：自定义数据集
您也可以在DataWorks数据分析中创建新的SQL文件，对公共数据集中的数据自行编写查询分析语句，以下以淘宝广告数据集为例，为您示例自定义数据分析SQL语句分析公共数据集的操作。
登录并进入。
单击左侧导航中的公共数据>数字商业>淘宝购物数据集，单击数据集commerce_taobao_shopping，打开数据集介绍页面，您可以在明细信息中查看表的字段信息。
单击顶部的生成SQL语句，选择MaxCompute引擎，进入一个SQL文件。同上述步骤类似，您可以配置好数据源后单击顶部的运行按钮，查看当前公共数据集的数据详情。
单击顶部SQL文件页签旁的
，新增一个临时SQL文件。在临时SQL文件中输入SET odps.namespace.schema = true;---打开MaxCompute三层模型后，继续编写自定义查询语句，完成后单击运行。
SET odps.namespace.schema = true;---打开MaxCompute三层模型
SELECT user_id , item_id
FROM bigdata_public_dataset.commerce.commerce_taobao_shopping
LIMIT 20
;自定义SQL运行完成后，您可以在结果页面查看查询数据明细，并进行简单可视化分析。
清理及后续
清理
完成教程后，请及时清理测试数据和试用资源。
总结
常用知识点
问题1：公共数据集是否存储在DataWorks中？（单选题）
正确答案是否。DataWorks工作空间可以绑定计算引擎，进行各类高效的数据分析等操作，DataWorks本身不存储和计算数据。
问题2：DataWorks的数据分析是否支持对公共数据集进行自定义分析？（单选题）
正确答案是支持。DataWorks为您提供了多种公共数据集，也为您内置了默认的查询分析SQL文件，同时开支持您自定义分析，进行自定义分析是，务必在自定义SQL前加上SET odps.namespace.schema = true;---打开MaxCompute三层模型。
