Der beste Einstieg in Kinesis Data Analytics besteht darin, praktische Erfahrung durch Erstellen einer Beispielanwendung zu sammeln. Gehen Sie einfach zur Kinesis Analytics-Konsole und erstellen Sie eine neue Kinesis Data Analytics-Anwendung. Wählen Sie als Eingabe den bereitgestellten Demo-Stream, suchen Sie eine Vorlage aus und bearbeiten Sie die SQL-Abfrage. Sie können dann die Ergebnisse direkt in der Konsole anzeigen oder die Ausgabe mit Kibana in Amazon Elasticsearch Service laden. Innerhalb weniger Minuten sind Sie in der Lage, eine komplette Streaming-Daten-Anwendung bereitzustellen.


2up_webinar-desktop_orange

Der Einstieg in Kinesis Data Analytics ist ganz einfach. Die Anleitungsvideos vereinfachen Ihre Arbeit durch technische Einblicke in gängige Anwendungsfälle und beschleunigen Workflows. Sie bieten auch in detaillierten Überblick über die wichtigsten Funktionen, damit Sie Ihren Job erledigen. Öffnen Sie die Links unten, um die Videos zu sehen:


Der Leitfaden für Entwickler bietet Beschreibungen in Einzelschritten anhand von Beispielen von Streaming-Daten-Anwendungen. Einige dieser Beispiele enthalten auch Schritt-für-Schritt-Anweisungen, die Sie ausprobieren können, um praktische Erfahrung zu gewinnen.

Mit diesen Beschreibungen in Einzelschritten

  • Erfahren Sie, was Sie mit Amazon Kinesis Data Analytics erstellen können
  • gewinnen Sie praktische Erfahrung durch Erstellen von Streaming-Anwendungen
  • erhalten Sie einen Basis-SQL-Code für das Erstellen von Anwendungen
editorial_training_accreditation_lightblue
Streams vorverarbeiten Anzeigen
Grundlegende Analytik Anzeigen
Fortgeschrittene Analytik Anzeigen
In-Anwendungen-Streams nachbearbeiten Anzeigen

von Jeff Barr | 11. AUGUST 2016

Wie Sie vielleicht wissen, vereinfacht Amazon Kinesis enorm die Arbeit mit Streaming-Daten in Echtzeit in der AWS-Cloud. Anstatt Ihre eigene Verarbeitungs- und kurzfristige Speicherinfrastruktur zu konfigurieren und auszuführen, erstellen Sie einfach Kinesis Data Streams oder eine Kinesis Data Firehose, füllen sie mit Daten, und erstellen dann eine Anwendung, um sie zu verarbeiten oder analysieren.

Obwohl es relativ einfach ist, Streaming-Datenlösungen mit Kinesis Data Streams und Kinesis Data Firehose zu erstellen, möchten wir das noch einfacher machen. Egal ob Sie ein Verfahrensentwickler, ein Datenwissenschaftler oder ein SQL-Entwickler sind, möchten wir, dass Sie umfangreiche Clickstreams von Web-Anwendungen, Telemetrie- und Sensormeldungen von angeschlossenen Geräten, Server-Logs usw. mit einer Standardabfragesprache verarbeiten können, und das alles in Echtzeit!

Weitere Informationen »

 

von Ryan Nienhuis | 11. AUGUST 2016

Dies ist die erste von zwei AWS Big Data Blogbeiträgen über das Schreiben von SQL bei Streaming-Daten mit Amazon Kinesis Data Analytics. In diesem Beitrag gebe ich Ihnen eine Übersicht über Streaming-Daten und Schlüsselkonzepte wie Grundlagen von SQL-Streaming und eine Beschreibungen in Einzelschritten mit einem einfachen Beispiel. Im nächsten Beitrag werde ich fortgeschrittene Stream-Verarbeitungskonzepte mit Amazon Kinesis Data Analytics behandeln.

Die meisten Organisationen verwenden eine Batch-Datenverarbeitung, um ihre Analysen in täglichen oder stündlichen Intervallen durchzuführen, um ihre Geschäftsentscheidungen zu informieren, und um ihre Kundenerfahrungen zu verbessern. Sie können von Ihren Daten jedoch wesentlich mehr Nutzen erlangen, wenn Sie sie in Echtzeit verarbeiten und in Echtzeit reagieren. Der Wert der Einsicht in Ihre Daten kann tatsächlich schnell im Laufe der Zeit abnehmen – je schneller Sie reagieren, desto besser.

Weitere Informationen »