阿里云相关产品操作演示 | 学习笔记

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
智能商业分析 Quick BI,专业版 50license 1个月
简介: 快速学习阿里云相关产品操作演示。

开发者学堂课程【场景实践-通过阿里云数据分析工具实现共享单车骑行分析阿里云相关产品操作演示】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/527/detail/7097


阿里云相关产品操作演示


内容介绍:

一、dataworks

二、quickbi


一、dataworks

阿里云的两款工具 date works 和 quick bi 的使用。 首先登录阿里云的官网。如果已经有账号,可以点击右上角的登录。如果没有,则需要先进行注册,点击右上角的免费注册,输入用户名、密码以及手机号。 点击同意并注册。注册完成之后,启用帐户进行登录,输入用户名和密码。

在阿里云的主页面选择产品开通所需要的服务。在实验中会用到大数据基础服务  max computer、date works 以及大数据分析及展现下的 quick bi。

1.png

下面以 max computer 的开通为例。 点击然后点击立即购买。弹出的页面选择预付费和按量付费。选择按量付费。选择一个区域所属的,比如说华北、华东。然后点击立即购买。前往登录,点击右上角的控制台。建立自己的管理控制台操作界面。

在左侧的列表中选择大数据数加下的 data works 来进行程序的开发,sql调度以及数据管理等操作。

2.png

如果首次使用,这里没有任何项。 3.png首先创建项目。点击下面的常用功能中的创建项目。然后输入项目名称 lab_class1。

付费方式选择后付费,点击确定。创建成功之后,点击全部项目可以查看刚创建的项目 lab class1。接下来的演示,以已经有的项目为例来介绍。

选择华东二的项目 level class。点击后面的进入工作区。

进入工作区域之后,主要用到数据开发和运维中心两个模块的内容。 4.png数据开发页面在左侧的菜单栏中有任务开发脚本,开发资源管理、函数管理以及表查询。任务开发主要是做周期性的调度任务,比如每小时定时执行的实例。

脚本开发,主要是做一些临时性的任务。比如一次性建表。而表查询则列出了项目中的数据表,可以查看表的相关信息。点击一个表。下面列出了该表的字段、表的分区、表的数据预览。  

回忆实验思路。实验分为三个步骤,数据准备、数据分析和数据展现。

在数据准备部分,需要先建表并上传数据集。  

接下来先创建表,创建表有两种方式,一种是可视化建表,一种是脚本开发。在新建的下拉列表中选择新建表。可以输入建表语句。

也可以点击可视化建表页面。输入表名 stations。点击下一步。然后新增字段。最后提交。 5.png点击确定,建表成功,来查看表的数据。搜索 Neighbor class。 点击数据预览,现在没有数据。建完表之后,来导入数据。

数据导入也有两种方式。一种是通过 data works 界面提供的导入接口。导入本地数据。选择 station。 6.png要设置文件的分割符,选择逗号以及文件的字符集,还有文件导入的起始行是否为标题,这里要勾掉,然后点击下一步。输入表名 stations。匹配字段,点击导入。

导入成功,上传了582条数据,刷新后发现数据已经上传成功。 7.png还有一种方法是通过工具导入,两种方法差别在于界面上导入的这种本地导入方式,导入本地数据文件大小是有限制的,不能超过10M。通过工具导入没有这方面的限制。

通过工具导入。首先在官网上下载压缩包,压缩包本地解压后会有四个文件夹。打开 conf 文件,右键编辑 odps _conflig.ini。 配置项目名称 lab class。

下面两个access id和access k是在开通资源的时候,提供的密钥。

配置完成之后,把数据集放在bin文件夹下面。有两个数据集,一个是 stations,一个是 trips。如果是 windows 的系统,然后双击运行 odps cmd.bat。

输入命令。然后回车。 8.png导入成功。这是第二种的导入方式。  

在数据准备阶段完成之后,接下来是数据分析阶段。先创建一个任务。在数据开发页面单击新建。选择新建任务。在弹出框中填写相关信息。

任务类型有工作流任务和节点任务。节点任务它是支持单个节点的类型。而工作流任务可以包含多个不同类型的节点,完成一个比较复杂的流程。

在这里选择任务类型为工作流任务。名称调度类型选择周期调度,点击创建。 9.png创建成功后就跳转到工作流设计器的页面。 10.png在页面中可以拖动节点组件来进行编辑。先拖动一个虚节点到右边的空白区域。 虚节点是控制节点,通常用于工作流的起始节点,不会产生任何数据。

再拖动 odps sql 节点进行数据加工。先创建一个专门线路。再拖一个热门站点。双击odps sql节点可以直接编辑和维护 sql 代码。这里采用的是类似 hive 的语法,与传统的 sql 语句有所不同。编辑 sql 语句,然后点击保存。

节点之间可以用连线连接起来。点击保存。 11.png为了调度周期的运行,需要配置时间周期和参数,看节点的参数。双击节点进去后,点击右侧的参数配置。自定义参数可以是常量,也可以是变量。具体的参数的配置方法可以参考阿里云的官网。点击保存。

节点参数配置完之后,来配置调度。点击右上角的调度配置。这里需要配置调度的属性、依赖的属性以及跨周期依赖任务。

 12.png

调度周期支持月、周、天、小时和分钟5种方式。配置调度周期为一天,具体的时间为凌晨三点。 然后是依赖属性,在调度配置中需要配置两个任务级别的依赖,依赖属性和跨周期依赖。一个周期运行的任务。它的依赖属性的优先级大于调度的时间属性。也就是在调度时间属性配置的某个时间点到达的时候,任务示例不会马上运行,而是先检查上游任务是否全部运行成功。当下游工作流需要依赖上游工作流产出的数据的时候,可以配置任务依赖。

默认是没有依赖上游任务。跨周期依赖选择默认,不依赖上一周期。即不依赖任何任务的上周期的实例。配置完之后点击保存。

代码和参数配置调试完毕之后,需要点击提交。 13.png确认提交。一个任务只有提交成功之后,才会进入调度系统,按照配置的周期定时运行。而提交后的任务不可以再次编辑,需要解锁。 点击解锁,然后可以再次编辑。需要说明如果是当天的23点30分之前提交的任务,那么在第二天的实例中可以看到结果。23点30分之后提交的任务则需要在第三天的实例中才会看到。

任务提交以后,可以前往运维中心查看。点击右上角的前往运维中心的任务列表已经展示的已提交了任务,共享单车实验一。

选中这个任务,可以对任务进行测试运行、补数据以及添加报警、修改责任人、冻结任务等操作。其中,测试运行和补数据生成了实例,可以在任务运维中看到。举个例子,点击测试。

因为共享单车的数据集是2017年1月份到3月份,所以选择数据日期为3月30号。点击确认,现在实例力已经进入到了任务运维界面的测试实例当中。

刷新,时间需要说明,一个是业务日期,一个是定时时间。 定时时间是等于业务日期加上一天,再加上系统配置的调度的运行时间,就是凌晨三点。定时时间是3月31号的凌晨三点,点击实例。可以看到依赖关系和详细的信息。 点击节点。可以看到属性。运行日志以及操作日志和代码。

 

二、quickbi

在管理控制台界面的左侧菜单中,选择大数据数加 quickbi,点击进入 quick bi 标准版。打开 quick bi 产品首页后,可以看到流程共分为四步,添加数据源,创建数据集、制作报表以及创建门户。

第一步,添加数据源。

进入到数据源管理页面,在新弹出的窗口中,选择 max computer 填写相关的信息。 点击连接测试来检查数据源是否连接成功。如果数据源连接不正常,系统会给出相应的提示。联通成功后点击关闭,然后点击添加。 14.png使用 max compute 数据源来做测试。点击编辑可以看到相关信息。添加完数据源之后,在数据源列表中有显示。

第二步,创建数据集,点击数据源名称。然后在页面的右侧会自动列出该数据源项所有的表。选其中一个表,然后单击后面的创建数据集。

数据集创建成功之后,会自动显示在数据集列表中,而且带有 new 标识,可以方便快速的定位。 数据集创建好之后,可以根据实际需求简单编辑数据集。点击右侧的编辑,比如切换字段类型或者新增计算字段等等。 15.png在该页面中,系统会按照预设将数据集中的字段分别列在维度列表和度量列表中。在维度列表,然后鼠标右键单击某一字段,在下拉列表中可以选择删除等操作。也可以进行维度和度量的一个切换。比如把时间可以转化为度量,完成之后点击。 然后点击刷新,会自动将数据显示在表格中。

接下来进行第三步制作报表。 数据集编辑完成之后呢,就可以利用标本来创建报表。点击左侧菜单中的作品。进入作品列表的页面。然后单击新建,在下单列表中选择新建仪表板。

进入到仪表板的编辑页面。 16.png首先需要添加数据集到仪表板。的数据集选择区域,单击数据集选择hot hour。 系统会按照数据的类型,将数据分别内在维度和度量的列表中。

然后开始制作数据图表。在仪表板的配置区选择一张需要的图表。选择线图。在数据标签页中,根据图表的要求,从维度和度量列表中选择需要的数据。

双击数据的名称,数据会自动填充到指定的区域。也可以进行拖动操作。数据选择完成之后,点击更新。

图表展示成了相应的数据。 17.png在样式标签页中可以编辑图表显示的标题布局以及显示的图例,可以选择是否显示在图的左上角。布局可以选择是否显示XOY轴和轴标题。折线图可以让它变成曲线,也可以把它变成横向的图。如果想删除当前的图表,可以用鼠标指向图表的右上方,点击x。

图表制作完之后点击保存。

图表制作完之后,需要添加查询条件。在仪表板的配置区,选择查询条件,单击查询条件控件,可以打开编辑菜单。

在下拉菜单中,为查询条件控件选择个数据集hot hour查询条件,支持同源关联和非同源关联两种模式。选择同源关联。

在同源观点的列表中,选择一个需要作用的图表执行时刻趋势图。按钮选择右上。 鼠标指向查询字段,字段周围会浮现一个蓝色的虚线框。 18.png单击虚线框内部,菜单的左侧会自动打开查询里的编辑菜单。选择枚举并决定是单选还是复选,这里选择单选。

在查询条件控件中单击下拉箭头可以选择需要查询的日期。 仪表板编辑完成后,可以通过预览查看图表的效果。

首先先把图表排序。拖动先点击保存仪表板。 然后点击预览按钮。可以选择一个日期,点击右上角的叉叉,关掉预览。仪表板编辑完成并保存之后,可以在作品-我的仪表板中查看。 点击右上角的编辑,再次进行编辑。 可以按照相似的步骤把其他几个图形做出来。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
一站式大数据开发治理平台DataWorks初级课程
DataWorks 从 2009 年开始,十ー年里一直支持阿里巴巴集团内部数据中台的建设,2019 年双 11 稳定支撑每日千万级的任务调度。每天阿里巴巴内部有数万名数据和算法工程师正在使用DataWorks,承了阿里巴巴 99%的据业务构建。本课程主要介绍了阿里巴巴大数据技术发展历程与 DataWorks 几大模块的基本能力。 课程目标  通过讲师的详细讲解与实际演示,学员可以一边学习一边进行实际操作,可以深入了解DataWorks各大模块的使用方式和具体功能,让学员对DataWorks数据集成、开发、分析、运维、安全、治理等方面有深刻的了解,加深对阿里云大数据产品体系的理解与认识。 适合人群  企业数据仓库开发人员  大数据平台开发人员  数据分析师  大数据运维人员  对于大数据平台、数据中台产品感兴趣的开发者
相关文章
|
3月前
|
编译器 API C#
C# 12 新增功能实操!
C# 12 新增功能实操!
|
6月前
|
存储 Java 测试技术
全栈开发流程——数据表的分析与创建详解实战演示(一)
全栈开发流程——数据表的分析与创建详解实战演示(一)
|
NoSQL 前端开发 分布式数据库
102 云笔记案例(功能列表)
102 云笔记案例(功能列表)
59 0
|
NoSQL 分布式数据库 Redis
103 云笔记案例(代码流程分析)
103 云笔记案例(代码流程分析)
61 0
|
NoSQL Java Redis
【项目实战典型案例】15.登录之后我加入的课程调用接口报错
【项目实战典型案例】15.登录之后我加入的课程调用接口报错
【项目实战典型案例】15.登录之后我加入的课程调用接口报错
|
监控 Dubbo Java
使用场景演示 | 学习笔记
快速学习使用场景演示,介绍了使用场景演示系统机制, 以及在实际应用过程中如何使用。
使用场景演示 | 学习笔记
|
存储 编解码 前端开发
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(二)
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(二)
|
前端开发 JavaScript API
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(三)
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(三)
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(三)
|
XML SQL 前端开发
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(一)
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传
谷粒学院(十一)课程最终发布 | 课程列表 | 阿里云视频点播服务 | 小节实现视频上传(一)
|
机器学习/深度学习 SQL 数据采集
阿里云相关产品基本操作演示|学习笔记
快速学习阿里云相关产品基本操作演示
190 0
阿里云相关产品基本操作演示|学习笔记
下一篇
无影云桌面