Es muy fácil comenzar a usar Amazon Kinesis. Esta página ofrece una compilación de los recursos más importantes para que pueda lanzar su aplicación de streaming rápidamente.


Amazon Kinesis Video Streams facilita la transmisión segura de videos desde dispositivos conectados a AWS para tareas de análisis, aprendizaje automático (ML) y otros procesos. En esta sesión, presentamos Kinesis Video Streams y sus principales características. También analizamos casos de uso comunes, que incluyen hogares inteligentes, ciudades inteligentes, automatización industrial y visión artificial. Además, mostramos cómo se puede utilizar la biblioteca de analizadores de Kinesis Video Streams para trabajar en el resultado de las transmisiones de videos y respaldar marcos de trabajo de aprendizaje automático conocidos. Por último, Abeja, un proveedor de soluciones de inteligencia artificial japonés líder, explica de qué manera crearon un sistema de aprendizaje profundo para el sector de ventas minoristas con Kinesis Video Streams para mejorar la experiencia de compra. 

Ver grabación de la sesión | Descargar presentación

Amazon Kinesis Analytics ofrece un algoritmo de aprendizaje automático incorporado que puede utilizar para detectar anomalías fácilmente en el tráfico de red de una VPC y mejorar la monitorización de seguridad. Únase a la presentación interactiva acerca de cómo transmitir logs de flujo de VPC a Amazon Kinesis Streams e identificar anomalías con Kinesis Analytics.

Ver grabación de la sesión | Descargar presentación

Miles de servicios trabajan de manera conjunta para suministrar diariamente millones de horas de transmisiones en video a los clientes de Netflix. Si bien estas aplicaciones tienen diferentes tamaños, funciones y tecnología, todas utilizan la red de Netflix para comunicarse. Comprender las interacciones entre estos servicios es un desafío abrumador debido al alto volumen de tráfico como a la naturaleza dinámica de las implementaciones. En esta sesión, primero analizamos por qué Netflix eligió Kinesis Streams para resolver estos desafíos a escala. A continuación, describimos detalladamente la manera en la que Netflix usa Kinesis Streams para añadir información a los logs de tráfico de red y para identificar patrones de uso en tiempo real. Por último, abordamos la manera en la que Netflix usa este sistema para crear mapas de dependencias exhaustivos, aumentar el nivel de eficiencia de la red y mejorar el nivel de resiliencia a errores. En esta sesión, aprenderá a crear un sistema de monitorización de aplicaciones en tiempo real mediante el uso de logs de tráfico de red y a obtener información procesable en tiempo real.

Ver grabación de la sesión | Descargar presentación

Amazon Kinesis facilita la recopilación, el procesamiento y el análisis de datos de streaming generados en tiempo real para obtener información nueva de manera oportuna y tomar acciones rápidamente en función de ella. En esta sesión, presentamos una solución de datos de streaming completa mediante el uso de Kinesis Streams para la incorporación de datos, de Kinesis Analytics para el procesamiento en tiempo real y de Kinesis Firehose para lograr persistencia. Analizamos detalladamente cómo escribir consultas SQL con datos de streaming y presentamos prácticas recomendadas para optimizar y controlar las aplicaciones de Kinesis Analytics. Por último, explicamos cómo calcular el costo de todo el sistema. 

Ver grabación de la sesión | Descargar presentación

¿Desea incrementar su nivel de conocimiento de los servicios web para big data de AWS y lanzar su primera aplicación para big data en la nube? Le explicamos cómo simplificar el procesamiento de big data mediante un bus de datos que se encarga de las tareas de incorporación, almacenamiento, procesamiento y visualización de datos. Creará una aplicación para big data con los servicios administrados de AWS, incluidos Amazon Athena, Amazon Kinesis, Amazon DynamoDB y Amazon S3. Durante la sesión, analizamos patrones de diseño de arquitecturas para aplicaciones de big data y le otorgamos acceso a un laboratorio personal para que pueda recrear y personalizar la aplicación usted mismo. Para aprovechar al máximo la sesión, debe traer su propia laptop y tener conocimientos de los servicios de AWS.

Descargar presentación »

En los últimos años, ha habido un crecimiento exponencial del número de dispositivos conectados y orígenes de datos generados en tiempo real. Por este motivo, los datos se producen de manera continua y el índice de generación está aumentando. Las empresas ya no pueden esperar horas ni días para poder utilizar los datos. Para poder obtener la información más valiosa, deben utilizar los datos inmediatamente, lo que les permite reaccionar rápidamente ante información nueva. En este taller, aprenderá cómo aprovechar los orígenes de datos de streaming para realizar análisis y tomar acciones casi en tiempo real. Se le presentan varios requisitos para un caso de datos de streaming real y se le solicita que cree una solución que cumpla correctamente dichos requerimientos mediante el uso de servicios como Amazon Kinesis, AWS Lambda y Amazon SNS.

Descargar presentación »

Aprenda a diseñar un lago de datos en el cual diferentes equipos de su organización puedan publicar y obtener datos en modalidad autoservicio. A medida que las organizaciones se proponen basar cada vez más sus decisiones en datos, los equipos de ingeniería deben crear arquitecturas que puedan atender las necesidades de diferentes usuarios, desde desarrolladores a analistas empresariales a científicos de datos. Cada uno de estos grupos de usuarios emplea herramientas diferentes, tienen necesidades relacionadas con datos diferentes y obtienen acceso a los datos de maneras diferentes.

En esta presentación, explicaremos detalladamente cómo organizar un lago de datos con Amazon S3, Amazon Kinesis, Amazon Athena, Amazon EMR y AWS Glue. La sesión incluye la intervención de Mohit Rao, arquitecto y jefe de integración de Atlassian, el creador de productos como JIRA Confluence y Stride. Primero, se presentarán un par de arquitecturas comunes para la creación de un lago de datos. A continuación, mostraremos de qué manera Atlassian creó un lago de datos con modalidad autoservicio en el cual cualquier equipo interno de la compañía puede publicar un conjunto de datos que luego será utilizado por un amplio grupo de usuarios.

Ver grabación de la sesión | Descargar presentación

En la actualidad, muchos arquitectos y desarrolladores intentan crear soluciones que integren el procesamiento de datos generados en lotes y en tiempo real y que ofrezcan lo mejor de ambos métodos. La arquitectura Lambda (que no debe confundirse con el servicio AWS Lambda) es un patrón de diseño que utiliza el procesamiento en lotes y en tiempo real en una única solución para satisfacer los requisitos de precisión de latencia y de procesamiento de los casos de uso que incluyen big data. Participe en la presentación, en la que se explicará cómo implementar la arquitectura Lambda (velocidad de lotes y capas de suministro) y se proveerán prácticas recomendadas para la carga de procesamiento de datos y el ajuste del desempeño.

Ver grabación de la sesión | Descargar presentación

Reducir el plazo de tiempo necesario para la obtención de información procesable a partir de datos es importante para todas las empresas y clientes que emplean herramientas de análisis de datos en lotes y están evaluando los beneficios del análisis de streaming. Aprenda prácticas recomendadas para ampliar su arquitectura de data warehouses y bases de datos a soluciones de funcionamiento en tiempo real. Aprenda a usar Amazon Kinesis para obtener información de datos en tiempo real y a integrarla en Amazon Aurora, Amazon RDS, Amazon Redshift y Amazon S3. El equipo Amazon Flex describe de qué manera utilizaron el análisis de streaming en su aplicación móvil con Amazon Flex utilizada por controladores para entregar millones de paquetes al mes a tiempo. Presentan la arquitectura que permitió cambiar un sistema de procesamiento en lotes por un sistema de procesamiento en tiempo real, lo que les permitió superar los desafíos relacionados con la migración de datos en lotes existentes a datos de streaming. Además, explican cuáles fueron los beneficios que obtuvieron del análisis en tiempo real.

Ver grabación de la sesión | Descargar presentación

Para poder destacarse en el mercado y ofrecer experiencias diferenciadas a los clientes, las empresas necesitan poder utilizar datos generados en directo y en tiempo real para permitir la toma de decisiones ágil. En esta sesión, conocerá arquitecturas y casos de uso de procesamiento de datos de streaming comunes. Primero, suministramos información general acerca de los datos de streaming y de las capacidades de AWS relacionadas con datos de streaming. A continuación, analizamos algunos ejemplos de clientes y sus aplicaciones de streaming en tiempo real. Finalmente, describimos arquitecturas y patrones de diseño comunes de los principales casos de uso de datos de streaming.

Ver grabación de la sesión | Descargar presentación

En esta sesión, conoceremos la manera en la que Cox Automotive utiliza Splunk Cloud para visualizar sus entornos híbridos y en AWS en tiempo real y, de esta manera, lograr MTTI casi instantáneos, reducir los incidentes de subastas en un 90% y predecir cortes de manera proactiva. También presentamos una capacidad muy esperada que permite incorporar, transformar y analizar datos en tiempo real con Splunk y Amazon Kinesis Firehose para obtener información valiosa a partir de sus recursos en la nube. Con Splunk Enterprise y Splunk Cloud, ahora la obtención de acceso a la monitorización de infraestructuras basadas en análisis es más rápido y fácil que nunca.

Ver grabación de la sesión | Descargar presentación


El análisis de logs es un caso de uso común de big data que permite analizar datos de log de sitios web, dispositivos móviles, servidores, sensores y más para una amplia variedad de usos como marketing digital, monitorización de aplicaciones, detección de fraudes, tecnología publicitaria, videojuegos e IoT. Lograr que el análisis de logs se realice en tiempo real puede agilizar el plazo de obtención de información, lo que le permite obtener datos en segundos o minutos en vez de horas o días. En esta sesión, aprenderá de qué manera incorporar y entregar logs sin infraestructura mediante el uso de Amazon Kinesis Data Firehose. Mostraremos de qué manera es posible usar Kinesis Data Analytics para procesar datos de logs en tiempo real y crear análisis que brinden respuestas. Finalmente, mostraremos cómo usar Amazon Elasticsearch Service para realizar consultas de manera interactiva y visualizar los datos de logs.

Objetivos de aprendizaje:

  1. Comprender de qué manera crear fácilmente una solución de análisis de logs completa y de procesamiento en tiempo real.
  2. Obtener información general acerca de la recopilación y el procesamiento de datos en tiempo real con Amazon Kinesis.
  3. Aprender a realizar consultas de manera interactiva y a visualizar los datos de logs con Amazon Elasticsearch Service.

Ver grabación | Descargar presentación

La mayoría de las aplicaciones están conformadas por decenas de servicios y cientos de servidores. Si bien el tamaño, la función y la tecnología de estas aplicaciones varían, todas se comunican entre sí en el interior de una Amazon Virtual Private Cloud (VPC). Comprender las interacciones entre estas aplicaciones puede representar un desafío debido al alto volumen de tráfico como a la naturaleza dinámica de las implementaciones. En este seminario web, analizaremos de qué manera Amazon Kinesis y Amazon CloudWatch pueden ayudar a resolver estos desafíos a escala. Explicaremos cómo usar CloudWatch Logs y Kinesis Data Streams para registrar y completar logs de tráfico de red y a identificar patrones de uso en tiempo real.

Objetivos de aprendizaje:

  • Aprender cómo crear un sistema de monitorización de aplicaciones en tiempo real con logs de tráfico de red.
  • Aprender cómo completar y añadir datos de logs de flujos de red con Amazon Kinesis.
  • Aprender cómo visualizar y analizar datos de red para obtener información procesable.

Ver grabación | Descargar presentación

Los lagos les permiten a los empleados de una organización acceder y analizar grandes volúmenes de datos estructurados y no estructurados a partir de diferentes orígenes de datos, muchos de los cuales generan datos de manera continua y rápida. Lograr que estos datos estén disponibles oportunamente para análisis implica contar con una solución de streaming que pueda incorporarlos de manera duradera y rentable a su lago de datos. Amazon Kinesis Data Firehose es un servicio completamente administrado que facilita la preparación y carga de datos de streaming en AWS. En esta presentación técnica, ofreceremos información general acerca de Kinesis Data Firehose y describiremos detalladamente de qué manera puede usar el servicio para recopilar, transformar, procesar en lotes, comprimir y cargar datos de streaming en tiempo real en sus lagos de datos de Amazon S3.

Objetivos de aprendizaje:

  • Conocer los requisitos clave para recopilar, preparar y cargar datos de streaming en lagos de datos.
  • Obtener información general acerca de la transmisión de datos con Kinesis Data Firehose.
  • Aprender a realizar transformaciones de datos con Kinesis Data Firehose.

Ver grabación | Descargar presentación

spacer

Editorial_GettingStarted

Puede utilizar las siguientes herramientas y código de muestra para crear, probar e implementar rápidamente aplicaciones de análisis con Amazon Kinesis.

  • Utilice nuestro código de análisis de IoT de muestra para crear su aplicación. No es necesario comenzar desde cero. Descargar aquí »
  • Pruebe su aplicación de Kinesis con Kinesis Data Generator. Más información »
  • Pruebe un tutorial práctico para crear una solución de análisis de logs mediante el uso de Kinesis. Probarlo »