DataWorks快速入门

DataWorks基于MaxCompute、Hologres、EMR、AnalyticDB、CDP等大数据引擎，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。本文以DataWorks的部分核心功能为例，指导您使用DataWorks接入数据并进行业务处理、周期调度以及数据可视化。

入门简介

通过本快速入门，您可以快速完成以下操作。

1. 数据同步：通过DataWorks的数据集成模块，创建离线同步任务，将业务数据同步至大数据计算平台（如MaxCompute数仓）。

2. 数据清洗：在DataWorks的数据开发模块中，对业务数据进行处理、分析和挖掘。

3. 数据展示：在DataWorks的数据分析模块中，将分析结果转化为图表，便于业务人员理解。

4. 周期性调度：为数据同步和数据清洗流程配置周期性调度，使其定时执行。

前提条件

为确保本教程可以顺利进行，推荐使用阿里云主账号或具备AliyunDataWorksFullAccess 权限的RAM用户。具体操作，请参见准备阿里云账号（主账号）或准备RAM用户（子账号）。

说明

DataWorks提供了完善的权限管控机制，支持在产品级与模块级对权限进行管控，如果您需要更精细的权限控制，请参见DataWorks权限体系功能概述。

准备工作

1. 创建工作空间并绑定资源组。

   本教程以华东2（上海） 地域为例，介绍DataWorks快速入门，您需要登录DataWorks管理控制台，切换至**华东2（上海）**地域，查看该地域是否开通DataWorks。

   说明

   本教程以**华东2（上海）**为例，在实际使用中，请根据实际业务数据所在位置确定开通地域：

   • 如果您的业务数据位于阿里云的其他云服务，请选择与其相同的地域。

   • 如果您的业务在本地，需要通过公网访问，请选择与您实际地理位置较近的地域，以降低访问延迟。

   • 如果未开通，单击0元组合购买，通过组合购买，一站式完成DataWorks开通、默认空间创建以及资源组绑定。

     新开通DataWorks步骤

   • 如果已开通，则需要手动创建本次教程使用的工作空间、资源组及资源组绑定操作。

     手动创建工作空间、资源组及资源组绑定操作

2. 为资源组绑定的VPC配置EIP。

   本教程使用的电商平台公开测试业务数据需要通过公网获取，而上一步创建的通用型资源组默认不具备公网访问能力，需要为资源组绑定的VPC配置公网NAT网关，添加EIP，使其与公开数据网络打通，从而获取数据。

   配置步骤

操作步骤

本文以如下场景为例，指导您快速体验DataWorks的相关功能：

假设某一电商平台将商品信息、订单信息存储在MySQL数据库中，需要定期对订单数据进行分析，通过可视化的方式查看每日最畅销商品类目排名表。

步骤一：数据同步

1. 创建数据源。

   DataWorks通过创建数据源的方式，接入数据来源和数据去向，因此，本步骤需要分别创建MySQL和MaxCompute两个数据源。

   • MySQL数据源，用于连接数据来源（存储业务数据的MySQL数据库），为本教程提供原始业务数据。

     说明

     您无需准备本教程使用的原始业务数据，为方便测试和学习，DataWorks为您提供测试数据集，相关表数据已存储在公网MySQL数据库中，您只需创建MySQL数据源接入即可。

     创建MySQL数据源步骤

   • MaxCompute数据源，用于连接数据去向（MaxCompute数仓），将MaxCompute数据源绑定至数据开发后，能够为本教程提供数据存储和计算能力。

     • 如果您的项目空间中存在已添加的MaxCompute数据源，则无需进行此步骤。

     • 如果您的项目空间中没有添加MaxCompute数据源，在参考如下步骤创建。

       创建MaxCompute数据源步骤

2. 数据开发绑定MaxCompute数据源。

   需要先将MaxCompute数据源绑定至数据开发，后续才能在数据开发模块中对MaxCompute的数据进行处理。

   1. 在左上角单击

      

      > 全部产品 > 数据开发与运维 > DataStudio（数据开发）。

   2. 在左侧导航栏单击数据源（

      

      ），找到已创建的MaxCompute数据源，单击绑定。

      说明

      如果您的数据开发模块已绑定了MaxCompute数据源，则无需进行此步骤。

      

3. 创建虚拟节点，用于统筹管理整个电商平台销售数据分析的业务流程。该节点为空跑任务，无须编辑代码。

   在左侧导航栏单击数据开发 ，找到业务流程 > Workflow ，然后右键Workflow ，选择新建节点 > 通用 > 虚拟节点 ，自定义节点名称，本教程以Workshop为例。

   

4. 创建离线同步任务。

   本教程使用的测试数据涉及两张表（商品信息源表item_info和订单信息源表trade_order），这两张表存储于MySQL数据源关联的MySQL数据库中，本步骤需要分别创建两个离线同步节点 （节点名称以ods_item_info和ods_trade_order为例），用于将item_info表和trade_order表同步至MaxCompute数据源关联的MaxCompute数仓中，然后再进行后续数据开发。

   1. 创建ods_item_info离线同步节点

   2. 创建ods_trade_order离线同步节点

步骤二：数据清洗

数据已从MySQL同步至MaxCompute后，获得两张数据表（商品信息表ods_item_info和订单信息表ods_trade_order），您可以在DataWorks的数据开发模块对表中数据进行清洗、处理和分析，从而获取每日最畅销商品类目排名表。

说明

• 运行ODPS节点时，会展示费用预估，由于每一个ODPS节点配置的SQL中同时包括CREATE 和INSERT 语句，INSERT时，表还未创建，因此可能提示预估费用失败，请忽略此报错，直接运行即可。

• DataWorks提供调度参数，可实现代码动态入参，您可在SQL代码中通过**{变量名}**的方式定义代码中的变量，并在**调度配置** \> **调度参数** 处，为该变量赋值。调度参数支持的格式，详情请参见[调度参数支持的格式](https://help.aliyun.com/zh/dataworks/user-guide/supported-formats-of-scheduling-parameters "调度参数支持的格式")。本示例SQL中使用了调度参数`{bizdate}`，表示业务日期为前一天。

1. 创建dim_item_info节点。

   基于ods_item_info表，处理商品维度数据，产出商品基础信息维度表dim_item_info。

   操作步骤

2. 创建dwd_trade_order节点。

   基于ods_trade_order表，对订单的详细交易数据进行初步清洗、转换和业务逻辑处理，产出交易下单明细事实表dwd_trade_order。

   操作步骤

3. 创建dws_daily_category_sales节点。

   基于dwd_trade_order表和dim_item_info表，对DWD层经过清洗和标准化的明细数据进行汇总，产出每日商品类目销售汇总表dws_daily_category_sales。

   操作步骤

4. 创建ads_top_selling_categories节点。

   基于dws_daily_category_sales表，产出每日最畅销商品类目排名表ads_top_selling_categories。

   操作步骤

步骤三：数据展示

您已经将从MySQL中获取的原始测试数据，经过数据开发处理，汇总于表ads_top_selling_categories中，现在可查询表数据，查看数据分析后的结果。

1. 在左上角单击

   

   > 全部产品 > 数据分析 > SQL查询。

2. 在我的文件后单击

   

   > 新建文件 ，自定义文件名 后单击确定。

   

3. 在SQL查询页面，配置如下SQL。

   SELECT * FROM ads_top_selling_categories WHERE pt=${bizdate};
   

4. 单击顶部的运行（

   

   ），根据页面提示，在右上角选择MaxCompute数据源后单击确定 ，然后在费用预估 页面，单击运行。

5. 在查询结果中单击

   

   ，查看可视化图表结果，您可以单击图表右上角的

   

   自定义图表样式。自定义图表样式的更多信息，请参见增强分析（卡片和报告）。

   

6. 您也可以单击图表右上角保存 ，将图表保存为卡片，然后在左侧导航栏单击卡片（

   

   ）查看。

   

步骤四：周期性调度

通过完成前文操作步骤，您已经获取了前一天各类商品的销售数据，但是，如果需要每天获取最新的销售数据，则可以为数据开发中各任务节点配置周期任务，使其周期性定时执行。

说明

为简化操作，快速入门教程以可视化方式为业务流程配置调度，DataWorks还支持手动精细化配置，各任务节点支持根据SQL自动解析上下游依赖，调度配置的更多信息，请参见任务调度配置。

1. 在左上角单击

   

   > 全部产品 > 数据开发与运维 > DataStudio（数据开发）。

2. 双击业务流程Workflow，在画布中移动各节点位置并按下图拖拽出各节点的上下游依赖关系。

   

3. 单击右侧流程参数 ，配置参数名称 为bizdate，参数值或表达式 为$bizdate，单击保存。

   

4. 双击虚拟节点（Workshop），配置如下周期调度参数后，单击顶部的保存（

   

   ）。

   说明

   其他参数保持默认即可。

   

5. 切换至Workflow 业务流程页签，单击顶部的运行 ，参数bizdate填写为前一天（例如今天为20240731，则此处填写为20240730），测试所有流程是否均能成功运行。

   

6. 所有节点均能成功运行后，点击顶部的提交，将流程中所有节点提交至运维中心。

   

7. 在左上角单击

   

   > 全部产品 > 数据开发与运维 > 运维中心（工作流）。

8. 在周期任务运维 > 周期任务中即可看到已创建的周期任务。

   说明

   如需展示如下图的所有上下游依赖节点，请右键单击Workshop节点，选择展开子节点 > 四层。