北京Workshop准备条件:《云数据·大计算:快速搭建互联网在线运营分析平台》

实验背景介绍

了解更多2017云栖大会·北京峰会 TechInsight & Workshop.

本手册为云栖大会Workshop之《云计算·大数据:海量日志数据分析与应用》场的前提准备条件所需。主要为保障各位学员在workshop当天能够顺畅进行动手实操,那么本场需要各位学员再参加之前确保自己云账号已免费开通表格存储TableStore、大数据计算服务MaxCompute、DataWorks和Quick BI。

实验涉及大数据产品

  • 表格存储 TableStore
  • 大数据计算服务 MaxCompute
  • 数据工场 DataWorks
  • 智能分析套件Quick BI

其中表格存储TableStore、大数据计算服务MaxCompute的服务Region都选择华北2.

实验环境准备

必备条件:首先需要确保自己有阿里云云账号并已实名认证。详细点击:

  • 注册阿里云账号
  • 企业实名认证
  • 个人实名认证

开通表格存储TableStore

若已经开通和购买了TableStore,可以忽略此步骤,直接进入开通MaxCompute步骤。

  • step1:进入阿里云官网并点击右上角登录阿里云账号。
  • step2:点击进入表格存储TableStore详情页,点击立即开通
  • step3:进入开通页面,点击立即开通
  • step4:随之点击进入管理控制台
  • step5:创建实例,选择华北2,点击创建实例,选择容量型实例

注意:实例名称在TableStore中,同一个Region下是全局唯一,建议大家选用自己可辨识且符合规则的名称即可。在MaxCompute数据处理中也会用到此实例名称。

至此,北京云栖大会workshop所需的表格存储TableStore服务已经开通好。

关于如何选择实例,详见实例。

开通大数据计算服务MaxCompute

若已经开通和购买了MaxCompute,请忽略次步骤直接进入创建DataWorks项目空间。

  • step1:点击进入大数据计算服务产品MaxCompute详情页,点击立即购买
  • step2:选择按量付费并点击立即购买

注意:选择华北2(北京)Region进行按量付费服务的开通。

创建DataWorks项目空间

确保阿里云账号处于登录状态。

  • step1:点击进入大数据(数加)管理控制台>大数据开发套件tab页面下。
  • step2:点击右上角创建项目,跳出创建项目对话框。
  • step3:勾选付费方式为I/O后付费,填写项目名称及相关信息,点击确定,直至返回创建成功状态。

项目名需要字母或下划线开头,只能包含字母下划线和数字。

【注意】项目名称全局唯一,建议大家采用自己容易区分的名称来作为本次workshop的项目空间名称。

0元购开通Quick BI

确保阿里云账号处于登录状态。

  • step1: 点击进入产品-大数据分析及展现-Quick BI详情页,点击管理控制台
  • step2:进入控制台页面,点击高级版30天试用申请
  • step3:弹出高级版协议,先勾选同意Quick BI服务协议,再点击开通试用

  • step5:成功开通Quick BI如下图所示,点击进入Quick BI高级版 开始分析。

通过以上的步骤就可以完成北京workshop《云数据·大计算:快速搭建互联网在线运营分析平台》场的实验环境配置。

时间: 2024-10-02 17:15:41

北京Workshop准备条件:《云数据·大计算:快速搭建互联网在线运营分析平台》的相关文章

大数据workshop:《云数据·大计算:海量日志数据分析与应用》之《数据加工:用户画像》篇

阿里云MVP Meetup:<云数据·大计算:海量日志数据分析与应用>之<数据加工:用户画像>篇 实验背景介绍 本手册为阿里云MVP Meetup Workshop<云计算·大数据:海量日志数据分析与应用>的<数据加工:用户画像>篇而准备.主要阐述在使用大数据开发套件过程中如何将已经采集至MaxCompute上的日志数据进行加工并进行用户画像,学员可以根据本实验手册,去学习如何创建SQL任务.如何处理原始日志数据. 实验涉及大数据产品 大数据计算服务 Max

阿里云MVP Meetup 《云数据·大计算:海量日志数据分析与应用》Workshop-入口

阿里云MVP Meetup 大数据Workshop入口 <云数据·大计算:海量日志数据分析与应用> 欢迎大家扫码加入阿里云数加MaxCompute交流群,后续相关项目支持都可以进行群里提问,数加小二也第一时间帮助解决. 数据采集:日志数据上传 数据加工:用户画像 数据分析展现:可视化报表及嵌入应用 该课程是基于大数据时代日志分析的基础需求的基础上,告知用户如果通过阿里云数加大数据解决方案来实现自己网站日志的用户画像.包括数据采集.数据加工以及数据最终的展现. 专场议程介绍 在大数据时代,无论是

【转载】阿里云MVP Meetup:《云数据·大计算:海量日志数据分析与应用》之《数据加工:用户画像》篇

实验背景介绍 本手册为阿里云MVP Meetup Workshop<云计算·大数据:海量日志数据分析与应用>的<数据加工:用户画像>篇而准备.主要阐述在使用大数据开发套件过程中如何将已经采集至MaxCompute上的日志数据进行加工并进行用户画像,学员可以根据本实验手册,去学习如何创建SQL任务.如何处理原始日志数据. 实验涉及大数据产品 大数据计算服务 MaxCompute 大数据开发套件 DataWorks 实验环境准备 必备条件: 开通大数据计算服务MaxCompute 创建

阿里云MVP Meetup:《云数据·大计算:海量日志数据分析与应用》之《数据分析展现:可视化报表及嵌入应用》篇

实验背景介绍 本手册为阿里云MVP Meetup Workshop<云计算·大数据:海量日志数据分析与应用>的<数据分析展现:可视化报表及嵌入应用>篇而准备.主要阐述如何使用Quick BI制作报表,将前面几个实验处理分析得来的数据进行有效的展现和洞察. <数据加工:用户画像>实验中的结果表数据已经事先导入RDS中,表名为rpt_user_info_all_d.该表包含了:用户id.地区.性别.年龄范围.星座.访问设备.PV 等访问信息. 实验目标 承接前述实验加工好的

2016年云数据中心和相关设备技术发展及分析

近日,中国信通院发布<云计算白皮书(2016年)>,其中对云数据中心和相关设备技术发展及分析如下: (一)云计算发展对数据中心和设备提出新要求 作为信息社会的重要基础设施,随着云计算.大数据等相关业务需求的持续增加,数据中心产业发展迅速,2009至2015年,中国IDC市场规模增长了5倍以上,年均增长率超过30%,2015年中国IDC市场规模已达500亿元人民币.数据中心产业也进入了大规模的规划建设阶段,2013年至2015年,全国规划在建数据中心250个左右,其中超大型.大型数据中心100个

华云数据与RSA共同打造云安全风险防控平台

华云数据与RSA共同打造云安全风险防控平台 11月5日消息,2013年以来,在全国零售业增速放缓的形势下,包括网络零售在内的电子商务保持了快速增长的态势,电子商务的应用领域不断拓展和深化.随着电子商务与网络支付日益普及,随之而来的安全问题也成为业界关注的焦点. 根据Gartner发布的报告,所有通往数字化的未来的道路都要由安全引导.然而,在数字商业世界提供100%的安全环境几乎是不可能的. 企业越来越体会到基于风险的安全和自我保护的重要性.安全感知应用程序的设计,动态和静态应用程序安全测试和运行

使用阿里云开放搜索服务快速搭建资源搜索网站

大家好,我又来了,答应云栖论坛一周一篇文章, 由于工作太忙已中断1个多月实在抱歉,这一次写点轻松有趣的东西-快速的做个资源搜索站 依稀记得十来年前,带宽还只有2M的时候,受各个论坛启发,做了可以搜索嘿嘿嘿资源的搜索站 一晃这么多年过去,嘿嘿嘿的东西依然喜欢,但世间却变化万千 资源种类已不仅仅是X片,高清电影.纪录片.无损音乐.美剧.大型软件等等,似乎更加吸引 资源呈现方式也百花齐放,从最早的BT文件.电驴地址,到现在的磁链地址.各种云盘等等 而传统的P2P下载方式也变得格格不入,因为硬盘容量已经

用云存储30分钟快速搭建APP

背景 不管你承认与否,移动互联的时代已经到来,这是一个移动互联的时代,手机已经是当今世界上引领潮流的趋势,大型的全球化企业和中小企业都把APP程序开发纳入到他们的企业发展策略当中. 但随着手机APP上传的数据会越来越多,任何企业系统.应用的软件都必须解决这一问题,数据存储必须以某种方式保存,不能丢失并且能够有效简单地使用和更新这些数据.如果开发者自行解决数据存储的问题,有可能在后期花费在之上的精力是其他方面的数倍,但是如果将数据存储这一问题交给OSS,那么开发者就可以从中得以解放,更加专注于自己

关于举办“天德π客”创业论坛——“基于阿里云的大数据实践—海量日志分析”的通知

随着互联网.云计算.物联网.社交网络等技术的兴起和普及,全球数据的增长快于任何一个时期,可以称作是爆炸性增长.收集大量数据,并在数据中发现趋势,能使企业能够更快.更平稳.更有效地发展.然而,大数据对许多企业和数据专业人员来说,它仍然很难理解,那么,什么是大数据分析?如何利用阿里云数加平台进行海量数据分析,帮助企业更好地利用数据资源?"天德π客"众创空间特举办本期论坛--"基于阿里云的大数据实践--海量日志分析",邀请华北电力大学电力系统及其自动化博士,阿里云大数据高