Der Einstieg in Amazon Kinesis ist ganz einfach. Auf dieser Seite finden Sie eine Zusammenfassung der wichtigsten Ressourcen zum schnellen Starten Ihrer Streaming-Anwendung.


Mit Amazon Kinesis Video Streams ist es ein Kinderspiel, Video von verbundenen Geräten für die Analyse, für Machine Learning (ML) und für andere Verarbeitungen sicher auf AWS zu streamen. In dieser Sitzung stellen wir Ihnen Kinesis Video Streams und seine Hauptfunktionen vor und besprechen gängige Anwendungsfälle wie intelligentes Zuhause, intelligente Stadt, Industrieautomation und Computervision. Wir besprechen auch, wie Sie die Kinesis Video Streams-Parser-Bibliothek verwenden können, um mit der Ausgabe von Videostreams zu arbeiten und populäre Deep-Learning-Frameworks zu unterstützen. Schließlich spricht Abeja, ein führender japanischer Anbieter von Lösungen für künstliche Intelligenz (KI), darüber, wie er mit Hilfe von Kinesis Video Streams ein tiefgehendes Lernsystem für den Einzelhandel entwickelt hat, um ein besseres Einkaufserlebnis zu ermöglichen. 

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Amazon Kinesis Analytics bietet einen integrierten Algorithmus für das maschinelle Lernen, mit dem Sie Anomalien im VPC-Netzwerkverkehr leicht erkennen und die Sicherheitsüberwachung verbessern können. Nehmen Sie an einer interaktiven Diskussion teil, wie Sie Ihre VPC-Flow-Protokolle zu Amazon Kinesis Streams streamen und Anomalien mit Hilfe von Kinesis Analytics identifizieren können.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Tausende Dienste arbeiten abgestimmt aufeinander, um Netflix-Kunden täglich Millionen Stunden an Videostreams bereitzustellen. Diese Anwendungen unterscheiden sich in Größe, Funktion und Technologie. Sie greifen jedoch alle zur Kommunikation auf das Netflix-Netzwerk zu. Das Nachvollziehen der Interaktionen zwischen diesen Diensten ist eine abschreckende Herausforderung: zum einen wegen des reinen Datenverkehrvolumens und zum anderen wegen der dynamischen Natur der Bereitstellungen. In dieser Sitzung sprechen wir zunächst darüber, warum Netflix sich für Kinesis Streams entschieden hat, um diese umfangreichen Herausforderungen anzugehen. Wir untersuchen anschließend genauer, wie Netflix Kinesis-Streams verwendet, um Protokolle zum Netzwerkdatenverkehr anzureichern und Nutzungsmuster in Echtzeit zu erkennen. Zuletzt sehen wir uns an, wie Netflix das System zum Erstellen umfangreicher Anwendungsabhängigkeiten, Erhöhen der Netzwerkeffizienz und Verbessern der Störanfälligkeit einsetzt. In dieser Sitzung erfahren Sie, wie Sie mithilfe von Netzwerkverkehrsprotokollen ein Echtzeit-Überwachungssystem für Anwendungen aufbauen können und so Einblicke erhalten, auf die Sie prompt Einfluss nehmen können.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Amazon Kinesis vereinfacht das Erfassen, Verarbeiten und Analysieren von Echtzeit-Streaming-Daten, damit Sie zeitnahe Einblicke erhalten und schnell auf neue Informationen reagieren können. In dieser Sitzung stellen wir eine End-to-End-Streaming-Datenlösung vor, die Kinesis Streams für die Datenaufnahme verwendet, Kinesis Analytics für die Echtzeitverarbeitung und Kinesis Firehose für die Persistenz. Wir besprechen im Detail, wie man SQL-Abfragen mithilfe von Streaming-Daten schreibt, und besprechen bewährte Methoden zur Optimierung und Überwachung Ihrer Kinesis Analytics-Anwendungen. Schließlich unterhalten wir uns darüber, wie man die Kosten für das gesamte System abschätzen kann. 

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Möchten Sie Ihr Wissen über AWS-Big-Data-Webservices erweitern und Ihre erste große Datenanwendung in der Cloud starten? Wir führen Sie durch die Vereinfachung der großen Datenverarbeitung als Daten-Bus, bestehend aus Einlesen, Speichern, Verarbeiten und Visualisieren. Sie erstellen eine Big-Data-Anwendung mit AWS Managed Services wie Amazon Athena, Amazon Kinesis, Amazon DynamoDB und Amazon S3. Dabei sehen wir uns die Architekturdesignmuster für Big-Data-Anwendungen nochmal im Detail an und ermöglichen Ihnen den Zugang zu einem Take-Home-Labor, damit Sie die Anwendung selbst neu erstellen und anpassen können. Sie sollten Ihren eigenen Laptop mitbringen und mit den AWS-Services vertraut sein, damit sich diese Sitzung maximal für Sie lohnt.

Präsentation herunterladen »

In den letzten Jahren ist die Zahl der angeschlossenen Geräte und Echtzeit-Datenquellen explosionsartig angestiegen. Aus diesem Grund werden Daten nicht nur kontinuierlich, sondern auch immer schneller produziert. Unternehmen können nicht mehr stunden- oder tagelang warten, sich diese Daten zu Nutze zu machen. Um die wertvollsten Erkenntnisse zu gewinnen, müssen sie diese Daten sofort nutzen, um schnell auf neue Informationen reagieren zu können. In diesem Workshop lernen Sie, wie Sie die Vorteile von Streaming-Datenquellen nutzen können, um nahezu in Echtzeit zu analysieren und zu reagieren. Sie werden mit mehreren Anforderungen an ein realistisches Streaming-Datenszenario konfrontiert und haben die Aufgabe, eine Lösung zu entwickeln, die die Anforderungen mit Services wie Amazon Kinesis, AWS Lambda und Amazon SNS erfolgreich erfüllt.

Präsentation herunterladen »

Erfahren Sie, wie Sie einen Data Lake entwerfen, in dem verschiedene Teams in Ihrem Unternehmen Daten selbst veröffentlichen und konsumieren können. Da Unternehmen immer mehr auf den Einsatz datenbasierter Datentechnik setzen, müssen Teams Architekturen entwickeln, die auf die Bedürfnisse unterschiedlicher Anwender zugeschnitten sind – von Entwicklern über Business-Analysten bis hin zu Datenwissenschaftlern. Jede dieser Benutzergruppen setzt unterschiedliche Tools ein, hat unterschiedliche Datenbedürfnisse und greift auf unterschiedliche Weise auf Daten zu.

In diesem Vortrag werden wir tief in die Entwicklung eines Data Lakes mit Amazon S3 Amazon Kinesis Amazon Kinesis Amazon Athena Amazon EMR und AWS Glue eintauchen. Mohit Rao, Architect und Integration Lead bei Atlassian, dem Hersteller von Produkten wie JIRA Confluence und Stride, wird auch an der Sitzung teilnehmen. Zuerst werden wir uns ein paar gängige Architekturen für die Entwicklung eines Data Lakes anschauen. Dann zeigen wir Ihnen, wie Atlassian einen Self-Service-Data-Lake gebaut hat, in dem jedes Team innerhalb des Unternehmens einen Datensatz veröffentlichen kann, der von einem breiten Benutzerkreis genutzt werden kann.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Heutzutage suchen viele Architekten und Entwickler nach Lösungen, die Batch- und Echtzeit-Datenverarbeitung integrieren und das Beste aus beiden Ansätzen bieten. Die Lambda-Architektur (nicht zu verwechseln mit dem AWS Lambda-Service) ist ein Designmuster, das sowohl Batch- als auch Echtzeitverarbeitung in einer einzigen Lösung nutzt, um die Latenzgenauigkeit und die Durchsatzanforderungen von Big-Data-Anwendungsfällen zu erfüllen. Nehmen Sie an einer Diskussion über die Implementierung der Lambda-Architektur (Batch-Geschwindigkeit und Serving-Layer) und bewährte Methoden für das Laden der Datenverarbeitung und das Performance-Tuning teil.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Für alle Unternehmen und Kunden, die Batch-Datenanalyse-Tools einsetzen und die Vorteile der Streaming-Analyse nutzen wollen, ist es wichtig, aus Daten schnellstmöglich umsetzbare Erkenntnisse zu gewinnen. Lernen Sie bewährte Methoden kennen, um Ihre Architektur zu erweitern – von Data Warehouses und Datenbanken bis hin zu Echtzeitlösungen. Erfahren Sie, wie Sie Amazon Kinesis nutzen können, um Echtzeit-Dateneinblicke zu erhalten und diese in Amazon Aurora, Amazon RDS, Amazon Redshift und Amazon S3 zu integrieren. Das Amazon Flex-Team beschreibt, wie es Streaming-Analysen in seiner Amazon Flex-Mobilanwendung verwendet hat, die von Amazon-Auslieferern genutzt wird, um jeden Monat Millionen von Paketen pünktlich zu liefern. Das Team spricht über die Architektur, die den Wechsel von einem Batch-Verarbeitungssystem zu einem Echtzeitsystem ermöglichte, wie es die Herausforderungen bei der Migration vorhandener Batch-Daten zu Streaming-Daten meistern konnte, und welche Vorteile die Echtzeitanalyse bietet.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

Um am Markt erfolgreich zu sein und differenzierte Kundenerlebnisse zu bieten, müssen Unternehmen in der Lage sein, Live-Daten in Echtzeit zu nutzen, um schnelle Entscheidungen zu treffen. In dieser Sitzung lernen Sie die gängigen Anwendungsfälle und Architekturen der Streaming-Datenverarbeitung kennen. Zuerst geben wir einen Überblick über Streaming-Daten und AWS-Streaming-Datenfunktionen. Danach sehen wir uns einige Kundenbeispiele und die dazugehörigen Echtzeit-Streaming-Anwendungen an. Schließlich befassen wir uns im Detail mit den gängigen Architekturen und Designmustern der prominentesten Anwendungsfälle bzgl. Streaming-Daten.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen

In dieser Sitzung erfahren Sie, wie Cox Automotive Splunk Cloud für Echtzeittransparenz in seinen AWS- und Hybrid-Umgebungen einsetzt, um nahezu augenblickliche MTTIs zu erreichen und somit Zwischenfälle bei Auktionen um 90 % zu reduzieren und Ausfälle proaktiv vorherzusagen. Wir stellen außerdem eine mit Spannung erwartete Funktion vor, die es Ihnen ermöglicht, mit Splunk und Amazon Kinesis Firehose Daten in Echtzeit zu transformieren und zu analysieren, um wertvolle Erkenntnisse aus Ihren Cloud-Ressourcen zu gewinnen. Mit Splunk Enterprise und Splunk Cloud erhalten Sie jetzt schneller und einfacher denn je Zugang zu analysebasierter Infrastrukturüberwachung.

Aufgezeichnete Sitzung ansehen | Präsentation herunterladen


Die Protokollanalyse ist ein häufiger Big Data-Anwendungsfall, mit dem Sie Protokolldaten von Websites, Mobilgeräten, Servern, Sensoren usw. für viele verschiedene Anwendungen, zum Beispiel digitales Marketing, Anwendungsüberwachung, Betrugserkennung, Ad Tech, Gaming und IoT, analysieren können. Indem Sie Protokollanalysen in Echtzeit erstellen, wird der Zeitraum der Gewinnung neuer Informationen verkürzt. So können Sie binnen Sekunden oder Minuten Einblicke gewinnen und müssen dafür keine Stunden oder Tage mehr warten. In dieser Sitzung erfahren Sie, wie Sie Protokolle ohne Infrastruktur sondern ausschließlich mit Amazon Kinesis Data Firehose erfassen und bereitstellen. Wir zeigen Ihnen, wie Kinesis Data Analytics zur Verarbeitung von Protokolldaten in Echtzeit genutzt werden kann, um reaktionsschnelle Analysen zu erstellen. Abschließend erklären wir Ihnen, wie Amazon Elasticsearch Service verwendet werden kann, um Ihre Protokolldaten interaktiv abzufragen und zu visualisieren.

Lernziele:

  1. Verstehen, wie Sie einfach eine durchgehende Echtzeit-Lösung für die Protokollanalyse erstellen können
  2. Einen Überblick über das Sammeln und Verarbeiten von Daten in Echtzeit mit Amazon Kinesis erhalten
  3. Lernen, wie Sie Ihre Protokolldaten mit Amazon Elasticsearch Service interaktiv abfragen und visualisieren können

Aufzeichnung ansehen | Präsentation herunterladen

Die meisten Anwendungen bestehen aus Dutzenden von Diensten und Hunderten von Servern. Diese Anwendungen unterscheiden sich in Größe, Funktion und Technologie, aber sie kommunizieren alle miteinander innerhalb Ihrer Amazon Virtual Private Cloud (VPC). Das Nachvollziehen der Interaktionen zwischen diesen Anwendungen ist eine Herausforderung: zum einen wegen des reinen Datenverkehrvolumens und zum anderen wegen der dynamischen Natur der Bereitstellungen. In diesem Webinar sprechen wir darüber, wie Amazon Kinesis und Amazon CloudWatch Ihnen dabei helfen können, diese umfangreichen Herausforderungen zu bewältigen. Wir sehen uns an, wie CloudWatch Logs und Kinesis Data Streams eingesetzt werden können, um Netzwerkverkehrsprotokolle zu erfassen und anzureichern und Nutzungsmuster in Echtzeit zu identifizieren.

Lernziele:

  • Verstehen, wie man mit Hilfe von Netzwerkverkehrsprotokollen ein Echtzeit-Überwachungssystem für Anwendungen entwickelt
  • Erfahren, wie man mit Amazon Kinesis die Daten aus den Netzwerk-Flow-Protokollen anreichern und aggregieren kann
  • Lernen, wie man Netzwerkdaten visualisieren und analysieren kann, um aussagekräftige Einblicke zu gewinnen

Aufzeichnung ansehen | Präsentation herunterladen

Mithilfe von Data Lakes können Ihre Mitarbeiter im gesamten Unternehmen auf unzählige Mengen unstrukturierter und strukturierter Daten aus unterschiedlichen Quellen zugreifen und folglich analysieren. Viele dieser Datenquellen generieren Daten schnell und durchgehend. Die zeitnahe Bereitstellung dieser Daten zu Analysezwecken erfordert eine Streaming-Lösung, die dauerhaft und kosteneffizient diese Daten in Ihren Data Lake einspeisen kann. Amazon Kinesis Data Firehose ist ein vollständig verwalteter Dienst, der das Vorbereiten und Laden von Streaming-Daten für bzw. in AWS vereinfacht. In diesem Tech Talk bieten wir Ihnen eine Übersicht über Kinesis Data Firehose und vertiefen, wie Sie den Dienst zum Erfassen, Umwandeln, Verarbeiten in Stapeln, Komprimieren und Laden von Echtzeit-Streaming-Daten in Ihre Amazon S3 Data Lakes einsetzen können.

Lernziele:

  • Verstehen der wichtigsten Anforderungen für das Sammeln, Aufbereiten und Laden von Streaming-Daten in Data Lakes
  • Einen Überblick über die Datenübertragung mit Kinesis Data Firehose erlangen
  • Lernen, wie man mit Kinesis Data Firehose Datentransformationen durchführen kann

Aufzeichnung ansehen | Präsentation herunterladen

spacer

Editorial_GettingStarted

Verwenden Sie den folgenden Beispiel-Code sowie die Beispiel-Tools zum schnellen Entwickeln, Testen und Bereitstellen Ihrer Analyseanwendungen mit Amazon Kinesis.

  • Nutzen Sie unseren Beispiel-IoT-Analyse-Code zum Entwerfen Ihrer Anwendung. So müssen Sie nicht bei Null anfangen. Hier herunterladen »
  • Testen Sie Ihre Kinesis-Anwendung mit Kinesis Data Generator. Weitere Informationen »
  • Versuchen Sie ein praxisbezogenes Tutorial zum Entwerfen einer Protokollanalyse-Lösung mit Kinesis. Ausprobieren »