Pour commencer à utiliser Amazon Kinesis, c'est très simple. Cette page présente une compilation des meilleures ressources pour vous permettre de lancer rapidement votre application de streaming.


Amazon Kinesis Video Streams facilite la diffusion sécurisée de vidéo en streaming vers AWS depuis des appareils connectés pour les analyses, l'apprentissage machine et d'autres méthodes de traitement. Dans cette session, nous allons présenter Kinesis Video Streams et ses fonctions clés, ainsi que revoir les cas d'utilisation communs comprenant la maison intelligente, la ville intelligente, l'automatisation industrielle et l'aide visuelle par ordinateur. Nous allons également aborder l'utilisation de la bibliothèque d'analyseurs de Kinesis Video Streams pour travailler avec la sortie des flux vidéos, afin d'alimenter des frameworks d'apprentissage profond populaires. Enfin, Abeja, un fournisseur de premier plan de solutions d'intelligence artificielle (IA) japonais, expliquera comment il a conçu un système d'apprentissage profond pour l'industrie du commerce, en utilisant Kinesis Video Streams pour délivrer une meilleure expérience d'achat. 

Voir l'enregistrement de la session | Télécharger la présentation

Amazon Kinesis Analytics offre un algorithme d'apprentissage machine intégré que vous pouvez utiliser pour détecter facilement les anomalies dans le trafic du réseau de votre VPC et améliorer la surveillance de la sécurité. Rejoignez-nous pour une discussion interactive sur comment diffuser vos journaux de flux VPC sur Amazon Kinesis Streams et identifier les anomalies en utilisant Kinesis Analytics.

Voir l'enregistrement de la session | Télécharger la présentation

Des milliers de services travaillent de concert pour diffuser des millions d'heures de flux de données vidéo aux clients Netflix chaque jour. Bien que ces applications soient de tailles variées, fonctionnent différemment et fassent appel à diverses technologies, elles utilisent toutes le réseau Netflix pour communiquer. Comprendre les interactions entre ces services est un défi de taille en raison du volume même du trafic et de la nature dynamique des déploiements. Dans cette session, nous allons d'abord discuter des raisons qui ont fait que Netflix a choisi Kinesis Streams pour faire face à ces défis à l'échelle. Nous découvrirons en détail comment Netflix utilise Kinesis Streams pour enrichir les journaux de trafic réseau et identifier des modèles d'utilisation en temps réel. Enfin, nous verrons comment Netflix utilise ce système pour créer des mappages de dépendance complets, améliorer l'efficacité réseau et accroître la résilience aux pannes. Dans cette session, vous allez apprendre à concevoir un système surveillant les applications en temps réel, en utilisant les journaux du trafic réseau. Cela vous permet d'obtenir des analyses décisionnelles en temps réel.

Voir l'enregistrement de la session | Télécharger la présentation

Amazon Kinesis facilite la collecte, le traitement et l'analyse de données diffusées en streaming en temps réel, afin d'obtenir rapidement des informations stratégiques et de réagir rapidement. Dans cette session, nous vous présentons une solution de données diffusées en streaming de bout en bout en utilisant Kinesis Streams pour l'intégration des données, Kinesis Analytics pour le traitement en temps réel et Kinesis Firehose pour la persistance. Nous revoyons en détail comment écrire des requêtes SQL en utilisant les données diffusées en streaming et nous abordons les bonnes pratiques pour optimiser et surveiller vos applications Kinesis Analytics. Enfin, nous parlons de comment estimer les coûts du système entier. 

Voir l'enregistrement de la session | Télécharger la présentation

Vous souhaitez améliorer vos connaissances des services web Big Data AWS et lancer votre première application Big Data sur le cloud ? Nous vous accompagnons dans la simplification du traitement du Big Data en bus de données comprenant l'intégration, le stockage, le traitement et la visualisation. Vous concevez une application Big Data en utilisant des services gérés AWS, notamment Amazon Athena, Amazon Kinesis, Amazon DynamoDB et Amazon S3. Au cours du processus, nous revoyons les modèles de conception d'architectures pour les applications Big Data et nous vous donnons accès à un atelier à faire chez vous afin de concevoir de nouveau et de personnaliser vous-même l'application. Vous devez apporter votre propre ordinateur portable et avoir des connaissances de base des services AWS pour tirer au mieux profit de cette session.

Télécharger la présentation »

Ces dernières années, le nombre d'appareils connectés et de sources de données en temps réel a grandement augmenté. De ce fait, des données sont produites en continu et ce taux de production s'accélère. Les entreprises ne peuvent plus atteindre des heures ou des jours avant d'utiliser ces données. Afin d'obtenir les informations les plus importantes, ils doivent utiliser ces données immédiatement, ce qui leur permet de réagir rapidement aux nouvelles informations. Dans cet atelier, vous allez apprendre à tirer profit des sources de données diffusées en streaming pour analyser et réagir presque en temps réel. Nous allons vous présenter différentes exigences pour un scénario réel avec des données diffusées en streaming en temps réel et nous allons vous demander de créer une solution qui répond aux exigences, en utilisant des services comme Amazon Kinesis, AWS Lambda et Amazon SNS.

Télécharger la présentation »

Apprenez à concevoir un lac de données dans lequel différentes équipes de votre organisation peuvent publier et utiliser des données en libre-service. Comme les organisations veulent être plus guidées par les données, les équipes d'ingénierie des données doivent concevoir des architectures qui peuvent s'adapter aux besoins de différents utilisateurs, des développeurs aux experts en sciences des données en passant par les analystes d'affaires. Chacun de ces groupes d'utilisateurs utilise différents outils, a différents besoins en matière de données et a accès aux données de différentes façons.

Dans cette discussion, nous allons voir plus en détail l'assemblage d'un lac de données en utilisant Amazon S3, Amazon Kinesis, Amazon Athena, Amazon EMR et AWS Glue. Cette session est en collaboration avec Mohit Rao, responsable architecture et intégration chez Atlassian, concepteur de produits tels que Confluence et Stride de JIRA. Nous allons tout d'abord aborder quelques-unes des architectures les plus communes pour la conception d'un lac de données. Nous allons ensuite vous montrer comment Atlassian a conçu un lac de données en libre-service, où n'importe quelle équipe peut publier un ensemble de données à utiliser par un grand nombre d'utilisateurs.

Voir l'enregistrement de la session | Télécharger la présentation

Aujourd'hui, de nombreux architectes et développeurs cherchent à concevoir des solutions qui intègrent du traitement de données par lots et diffusées en continu, et qui offrent le meilleur des deux approches. L'architecture Lambda (à ne pas confondre avec le service AWS Lambda) est un modèle de conception qui tire profit du traitement en lots et en temps réel dans une seule solution, afin de répondes aux exigences de latence, de précision et de débit des cas d'utilisation Big Data. Discutons ensemble de l'implémentation de l'architecture Lambda (couches par lots, de vitesse et de service) et des bonnes pratiques pour le traitement des données, le chargement et le réglage de la performance.

Voir l'enregistrement de la session | Télécharger la présentation

Il est important pour les entreprises et les clients de réduire le temps d'obtention des analyses décisionnelles depuis les données s'ils utilisent des outils d'analyse de données par lots et s'ils explorent les bénéfices de l'analyse en streaming. Apprenez les bonnes pratiques pour étendre votre architecture des entrepôts de données et des bases de données aux solutions en temps réel. Apprenez comment utiliser Amazon Kinesis pour obtenir des informations sur les données en temps réel et pour les intégrer dans Amazon Aurora, Amazon RDS, Amazon Redshift et Amazon S3. L'équipe Amazon Flex décrit comment elle utilise les analyses en streaming dans son application mobile Amazon Flex, utiliser par les livreurs d'Amazon pour livrer des millions de colis à l'heure chaque mois. Elle aborde l'architecture qui a permis de passer d'un système de traitement par lots à un système en temps réel, surmontant les difficultés de la migration de données en lot existantes en données diffusées en streaming. l'équipe évoque également les avantages des analyses en temps réel.

Voir l'enregistrement de la session | Télécharger la présentation

Pour prospérer sur le marché et offrir différentes expériences client, les entreprises doivent être capables d'utiliser des données en temps réel pour faciliter la prise de décision rapide. Dans cette session, vous étudiez les cas d'utilisation et les architectures courants du traitement des données en streaming. Tout d'abord, nous vous donnons une présentation des capacités des données diffusées en continu AWS et des données diffusées en streaming. Ensuite, nous abordons quelques exemples client et leurs applications en streaming en temps réel. Enfin, nous étudions les architectures et les modèles de conception communs des cas d'utilisation des données en streaming principaux.

Voir l'enregistrement de la session | Télécharger la présentation

Dans cette session, vous allez apprendre comment Cox Automotive utilise Splunk Cloud pour une visibilité en temps réel dans les environnements AWS et hybrides afin que le temps moyen de détection des accidents de vente soit réduit de 90 % et soit presque en temps réel, afin de prédire les pannes de façon proactive. Nous présentons également une capacité hautement anticipée qui vous permet d'intégrer, de transformer et d'analyser les données en temps réel, en utilisant Splunk et Amazon Kinesis Firehose, afin d'obtenir des informations importantes venant de vos ressources Cloud. Il est à présent plus simple et plus facile que jamais d'avoir accès à une surveillance des infrastructures guidée par les analyses en utilisant Splunk Enterprise et Splunk Cloud.

Voir l'enregistrement de la session | Télécharger la présentation


L'analyse de journaux est un cas d'utilisation commun du Big Data qui vous permet d'analyser des données de journalisation provenant de sites Web, d'appareils mobiles, de serveurs, de capteurs, etc., pour une large variété d'utilisations telles que le marketing numérique, la surveillance d'application, la détection de fraudes, les technologies publicitaires, les jeux et l'IoT. Passer à une analyse de journaux en temps réel peut accélérer l'accès à l'information, ce qui permet d'obtenir des informations exploitables en quelques secondes ou minutes au lieu de plusieurs heures ou jours. Dans cette session, vous apprendrez à ingérer et fournir des journaux sans infrastructure à l'aide d'Amazon Kinesis Data Firehose. Nous vous montrerons comment utiliser Kinesis Data Analytics pour traiter des données de journaux en temps réel afin d'obtenir des analyses réactives. Enfin, nous verrons comment utiliser Amazon Elasticsearch Service pour interroger et visualiser de façon interactive les données de vos journaux.

Objectifs d'apprentissage :

  1. Comprendre comment concevoir facilement une solution d'analyse des journaux de bout en bout et en temps réel
  2. Avoir une présentation de la collecte et du traitement des données en temps réel en utilisant Amazon Kinesis
  3. Apprendre comment effectuer des requêtes de façon interactive et visualiser vos données de journal en utilisant Amazon Elasticsearch Service

Voir l'enregistrement | Télécharger la présentation

La plupart des applications comportent des douzaines de services et des centaines de serveurs. Ces applications varient en taille, fonction et technologie, mais elles communiquent toutes entre elles au sein de votre Amazon Virtual Private Cloud (VPC). Comprendre les interactions entre ces services est un défi en raison du volume même du trafic et de la nature dynamique des déploiements. Dans ce webinaire, nous allons voir comment Amazon Kinesis et Amazon CloudWatch peuvent aider à surmonter des obstacles de cette échelle. Nous allons aborder l'utilisation de CloudWatch Logs et Kinesis Data Streams pour capturer et enrichir les journaux de trafic réseau, ainsi qu'identifier les modèles d'utilisation en temps réel.

Objectifs d'apprentissage :

  • Comprendre comment concevoir un système de surveillance des applications en temps réel en utilisant des journaux de trafic réseau
  • Apprendre comment enrichir et agréger des données de journaux de flux réseau en utilisant Amazon Kinesis
  • Apprendre comment visualiser et analyser vos données réseau pour obtenir des analyses décisionnelles

Voir l'enregistrement | Télécharger la présentation

Les lacs de données permettent aux employés de toute l'organisation d'accéder et d'analyser d'énormes quantités de données structurées et non structurées provenant de sources disparates, dont la plupart génèrent des données en continu et rapidement. La mise à disposition de ces données en temps opportun à des fins d'analyse nécessite une solution de streaming capable d'ingérer de façon durable et rentable ces données dans votre lac de données. Amazon Kinesis Data Firehose est un service entièrement géré qui facilite la préparation et le chargement des données en streaming dans AWS. Dans cette conférence technique, nous vous présenterons Kinesis Data Firehose et découvrirons en détail comment utiliser le service pour collecter, transformer, traiter par lots, compresser et charger des données en streaming et en temps réel dans vos lacs de données Amazon S3.

Objectifs d'apprentissage :

  • Comprendre les exigences clés pour la collecte, la préparation et le chargement de données en streaming dans les lacs de données
  • Obtenir une présentation de la transmission de données en utilisant Kinesis Data Firehose
  • Apprendre comment réaliser des transformations de données avec Kinesis Data Firehose

Voir l'enregistrement | Télécharger la présentation

spacer

Editorial_GettingStarted

Vous pouvez utiliser l'exemple de code et les outils suivants pour créer, tester et déployer rapidement vos applications d'analyse avec Amazon Kinesis.

  • Utilisez notre exemple de code d'analyse IoT pour créer votre application. Inutile de partir de zéro. Télécharger ici »
  • Testez votre application Kinesis à l'aide de Kinesis Data Generator. En savoir plus »
  • Essayez un didacticiel pratique pour créer une solution d'analyse de journaux à l'aide de Kinesis. Accéder au didacticiel »