本文为您介绍如何接入火山引擎的EMR Serverless Spark 来创建数据集。

• 该功能目前支持SaaS或私有化部署v2.75.0及以上版本产品使用，如需购买，请您联系商务人员进行咨询。
• 当前产品仅支持接入火山引擎的EMR Serverless Spark。

• 在连接数据之前，请联系数据库管理员，收集以下信息：
  • 数据库所在服务器的 IP 地址和端口号
  • 数据库的用户名和密码
  • 数据库的队列和计算组
• 目前DataWind不支持default计算组，EMR中需要单独创建一个spark类型的计算组。

1. 进入火山引擎，点击进入到某个具体项目下，点击数据准备，在下拉列表找到数据连接，新建数据连接。

   

2. 在页面中选择 EMR Serverless Spark 。

   

3. 填写所需的基本信息，并进行测试连接，连接成功后点击保存。
   
   相关参数配置说明如下：

   名称	描述
   数据连接名称	新建数据连接的名称，用于在系统中区分不同数据库的连接。例如 EMR。 可对名称进行修改。请输入规范的名称，不要使用特殊字符，前后不能包含空格。
   连接方式	IP/Port 和 JDBC 连接字符串两种。 详情可参考文档：JDBC使用
   服务器	连接EMR Serverless Spark 的地址，每个 region 不一样。 华北：serverless-spark-jdbc.emr.cn-beijing.volces.com 华东：serverless-spark-jdbc.emr.cn-shanghai.volces.com 华南：serverless-spark-jdbc.emr.cn-guangzhou.volces.com 柔佛：serverless-spark-jdbc.emr.ap-southeast-1.volces.com
   端口	EMR 的实例端口，公有云一般是10009。 详情可参考文档：集群组件端口说明
   用户名	租户的 AccessKey。 获取可参考文档：Access Key（密钥）管理、使用前必读
   密码	租户的 SecretKey。 获取可参考文档：Access Key（密钥）管理
   队列	连接使用的队列名称，目前只支持使用独占队列，不支持公共队列。 EMR中队列获取路径：「控制台」-「资源管理」-「Serverless」-「队列详情」
   计算组	计算组名称。 注意 目前不支持default计算组，需要单独创建一个spark类型的计算组。

1. 进入火山引擎，点击数据准备-->数据集，选择左上角「新建」按钮，新建数据集。
   
2. 选择数据连接的时候，点击其他按钮。
   
3. 后续步骤与上述从数据连接新建的2、3步一致，在完成配置之后会停在数据集选择数据连接的弹出框中，即可直接进行下一步的数据集创建。

1. 使用之前创建好的数据连接创建数据集：点击数据准备-->数据集，选择左上角「新建」按钮进行数据集的新建。

   

2. 输入关键词搜索，选择之前新建好的数据连接。