Amazon Kinesis Data Analytics –Funktionen – Analysieren von Streaming-Daten

Amazon Kinesis Data Analytics ist die einfachste Möglichkeit, Streaming-Daten in Echtzeit mit Apache Flink zu bearbeiten und zu analysieren. Apache Flink ist Open-Source-Framework und -Engine zum Verarbeiten von Daten-Streams. Amazon Kinesis Data Analytics reduziert die Komplexität, Apache Flink-Anwendungen mit anderen AWS-Services zu erstellen, zu verwalten und zu integrieren.

Amazon Kinesis Data Analytics führt alles Erforderliche durch, damit Streaming-Anwendungen durchgehend ausgeführt werden können. Außerdem passt es sich automatisch an den Umfang und den Durchsatz Ihrer eingehenden Daten an. Mit Amazon Kinesis Data Analytics gibt es keine Server zu verwalten, keine Mindestgebühr oder Einrichtungskosten und Sie zahlen nur für die Ressourcen, die Ihre Streaming-Anwendungen benötigen.

Fordern Sie Unterstützung für Ihre Machbarkeitsstudie bzw. Bewertung an >>

Vorteile

Leistungsfähige Verarbeitung in Echtzeit

Amazon Kinesis Data Analytics bietet integrierte Funktionen, mit denen Streaming-Daten gefiltert, aggregiert und umgewandelt werden können, um so detailreiche Analysen bereitzustellen. Es verarbeitet Streaming-Daten mit Latenzzeiten von weniger als einer Sekunde und ermöglicht es Ihnen, eingehende Daten sowie Ereignisse zu analysieren und in Echtzeit auf sie zu reagieren.

Keine Server zu verwalten

Amazon Kinesis Data Analytics ist serverlos nutzbar, das heißt, es gibt keine zu verwaltenden Server. Es führt Ihre Streaming-Anwendungen aus, ohne dass Sie eine Infrastruktur bereitstellen oder verwalten müssen. Amazon Kinesis Data Analytics skaliert die Infrastruktur je nach Bedarf automatisch nach oben und unten, um eingehende Daten zu verarbeiten.

Nutzungsbasierte Abrechnung

Mit Amazon Kinesis Data Analytics bezahlen Sie nur die Verarbeitungsressourcen, die Ihre Streaming-Anwendungen tatsächlich nutzen. Es fallen weder Mindestgebühren noch Vorausleistungen an.

Benutzerfreundlich

Mit Amazon Kinesis Data Analytics können Sie Abfragen sowie anspruchsvolle Streaming-Anwendungen schnell und einfach in drei Schritten erstellen: Einrichten der Streaming-Datenquellen, Schreiben der Abfragen oder Streaming-Anwendungen und Festlegen des Ziels für die verarbeiteten Daten.

Bauen Sie anspruchsvolle Streaming-Anwendungen mit Apache Flink

Amazon Kinesis Data Analytics beinhaltet Open-Source-Bibliotheken und Laufzeiten auf Basis von Apache Flink, mit denen Sie Anwendungen mit Ihrer bevorzugten IDE statt in mehreren Monaten innerhalb weniger Stunden erstellen können. Die erweiterbaren Bibliotheken umfassen spezialisierte APIs für unterschiedliche Anwendungsfälle, einschließlich zustandsbehafteter Ereignisverarbeitung, Streaming-ETL und Echtzeitanalysen. Sie können die Bibliotheken verwenden, um AWS-Services wie Amazon Managed Streaming for Apache Kafka (Amazon MSK), Amazon Kinesis Data Streams, Amazon Kinesis Data Firehose, Amazon Elasticsearch Service, Amazon S3, Amazon DynamoDB und mehr zu integrieren.

Nutzen Sie Ihre bevorzugte Sprache

Amazon Kinesis Data Analytics unterstützt das Erstellen von Anwendungen in Java, Scala und Python. Mit diesen Sprachen können Sie auf einfache Weise Anwendungen erstellen, die Verknüpfungen, Aggregationen über Zeitfenster, Filter und mehr ausführen. Sie können die Open-Source-Bibliotheken erweitern und benutzerdefinierte Bibliotheken aus der Sprache Ihrer Wahl hinzufügen. Sie können SQL auch verwenden, um Streaming-Daten mithilfe der AWS-Konsole interaktiv zu analysieren und die Ergebnisse an andere AWS-Services zu senden.

Erstellen von Streaming-Anwendungen mit Apache Beam

Amazon Kinesis Data Analytics unterstützt die Ausführung von Streaming-Anwendungen, die über das Java SDK von Apache Beam in einer serverlosen Apache Flink-Umgebung erstellt wurden. Apache Beam ist ein einheitliches Open-Source-Modell zur Definition von Anwendungen für Streaming- und Batch-Datenverarbeitung, die über mehrere Ausführungs-Engines ausgeführt werden können. Sie können Apache Beam-Streaming-Anwendungen einfach in Java erstellen und sie auf Amazon Kinesis Data Analytics und anderen Ausführungsmaschinen ausführen.

Funktionsweise

Anwendungsfälle

Streaming von ETL

Sie können mit den integrierten Operatoren von Amazon Kinesis Data Analytics die „extract-transform-load“ (ETL) Streaming-Anwendungen entwickeln, um Streaming-Daten zu transformieren, zu aggregieren und die Streaming-Daten zu filtern. Sie können Ihre Daten problemlos in Sekundenschnelle an Amazon Kinesis Data Streams, Amazon Managed Streaming für Apache Kafka (Amazon MSK), Amazon Elasticsearch Service, Amazon S3, kundenspezifische Integrationen und mehr mithilfe von integrierten Konnektoren übermitteln.

Sehen Sie sich an, wie John Deere IoT-Sensormessungen aus landwirtschaftlichen Geräten extrahiert, die Daten in Echtzeit in nützliche Kundeninformationen umwandelt und die transformierten Daten in einen Data Lake lädt.

Echtzeitanalysen

Sie können Streaming-Daten mit Standard-SQL interaktiv abfragen, Apache-Flink-Anwendungen mit Java, Python und Scala erstellen und Apache-Beam-Anwendungen mit Java zur Analyse von Datenströmen erstellen.

Informieren Sie sich über unsere Analyselösungsprofile in Echtzeit unter Protokollüberwachung und Webanalyse.

Verarbeitung von zustandsbehafteten Ereignissen

Sie können Anwendungen entwickeln, die Ereignisse aus einem oder mehreren Datenströmen verarbeiten und die bedingte Verarbeitung und externe Aktionen auslösen. Sie können Muster wie Anomalieerkennung in Ihren Datenstreams identifizieren, indem Sie Standard-SQL- und Apache-Flink-Bibliotheken für die Verarbeitung von komplexen Ereignissen verwenden.

Informieren Sie sich darüber, wie Zynga Spielereignisse verarbeitet, die durch Spieleraktivitäten ausgelöst werden.

Kunden

Autodesk berechnet Echtzeit-Überwachungsmetriken wie Reaktionszeit und Fehlerratenspitzen zur Überwachung der Benutzererfahrung.

Fallstudie lesen

Fox berechnet Zuschaueranalysen in Echtzeit bei Live-Video-Streaming-Ereignissen wie dem Super Bowl.

Blog-Beitrag lesen

Zynga analysiert Echtzeit-Spielergebnisse mit riesigen Datenvolumen, die von Spieleraktionen ausgelöst werden.

Video ansehen

Palringo erhöht die Benutzerbindung für mobile Spielanwendungen durch Echtzeitmetriken.

Fallstudie lesen

Gunosy verarbeitet weit mehr als 500 000 Datensätze pro Minute, um Endbenutzern eine schnelle, personalisierte Nachrichtenauswahl zu bieten.

Blog-Beitrag lesen

Erste Schritte mit Amazon Kinesis Data Analytics

Registrieren Sie sich für ein AWS-Konto

Sie erhalten sofort Zugriff auf das kostenlose AWS-Kontingent.

Handbuch "Erste Schritte" lesen

Weitere Informationen zur Verwendung von Amazon Kinesis Data Analytics finden Sie in dieser Schritt-für-Schritt-Anleitung für SQL bzw. Apache Flink.

Erste Schritte bei der Erstellung von Streaming-Anwendungen

Erstellen Sie Ihre Streaming-Anwendung mit der Amazon Kinesis Data Analytics-Konsole.