Amazon Kinesis è molto semplice da utilizzare. Questa pagina elenca le principali risorse che ti permettono di lanciare rapidamente le tue applicazioni di streaming.


Amazon Kinesis Video Streams consente lo streaming dei video dai dispositivi connessi ad AWS per l'apprendimento automatico, l'analisi e l'elaborazione in modo semplice e sicuro. In questa sessione, presenteremo Kinesis Video Streams e le sue caratteristiche chiave, passando in rassegna i casi d'uso comuni, ad esempio città e case smart, automazione industriale e visione artificiale. Inoltre, parleremo di come utilizzare la libreria parser di Kinesis Video Streams per agire sull'output dei flussi video e inoltrarlo ai più noti framework di apprendimento profondo. Infine Abeja, un fornitore giapponese leader nelle soluzioni di intelligenza artificiale, mostrerà in che modo ha creato un sistema di apprendimento profondo per il settore della vendita al dettaglio utilizzando Kinesis Video Streams per offrire un'esperienza di shopping ottimale. 

Guarda registrazione della sessione | Scarica presentazione

Amazon Kinesis Analytics offre un algoritmo integrato di apprendimento automatico utilizzabile per rilevare con la massima semplicità eventuali anomalie nel traffico di rete di un cloud privato virtuale e per migliorare il monitoraggio della sicurezza. Partecipa alla discussione su come inviare i flussi di log di VPC in Amazon Kinesis Streams e identificare le anomalie utilizzando Kinesis Analytics.

Guarda registrazione della sessione | Scarica presentazione

Per distribuire ogni giorno milioni di ore di stream video ai clienti Netflix, sono necessari migliaia di servizi che funzionano in sinergia. Queste applicazioni variano per dimensioni, funzione e tecnologia ma utilizzano tutte la rete Netflix per comunicare. Analizzare le interazioni fra questi servizi è un compito scoraggiante, sia per il volume di traffico sia per la natura dinamica delle distribuzioni. In questa sessione, discuteremo del perché Netflix abbia scelto Kinesis Streams per risolvere queste problematiche su vasta scala. In seguito esamineremo in modo approfondito il modo in cui Netflix utilizza Kinesis Streams per arricchire i log di traffico di rete e identificare i modelli di utilizzo in tempo reale. Infine vedremo come Netflix usa questo sistema per creare mappe complete delle dipendenze, aumentare l'efficienza della rete e migliorare la resilienza agli errori. In questa sessione, imparerai come creare un sistema di monitoraggio delle applicazioni in tempo reale utilizzando log del traffico di rete e ottenendo informazioni concrete.

Guarda registrazione della sessione | Scarica presentazione

Amazon Kinesis semplifica raccolta, elaborazione e analisi di flussi di dati in tempo reale, per ottenere analisi tempestive e reagire rapidamente alle nuove informazioni. In questa sessione, sarà presentata una soluzione di flussi di dati end-to-end ottenuta utilizzando Kinesis Streams per l'acquisizione di dati, Kinesis Analytics per l'elaborazione in tempo reale e Kinesis Firehose per ottenere persistenza. Sarà illustrato nel dettaglio come scrivere query SQL utilizzando i flussi di dati e saranno discusse le best practice per ottimizzare e monitorare le applicazioni Kinesis Analytics. Infine, sarà esaminato come calcolare i costi dell'intero sistema. 

Guarda registrazione della sessione | Scarica presentazione

Desideri approfondire le competenze sui servizi Web di AWS per i Big Data e creare la tua prima applicazione per Big Data nel cloud? Illustreremo come ridurre l'elaborazione di Big Data, per semplicità, a un bus di dati comprensivo di acquisizione, memorizzazione, elaborazione e visualizzazione. Creerai un'applicazione per Big Data utilizzando i servizi gestiti di AWS, tra cui Amazon Athena, Amazon Kinesis, Amazon DynamoDB e Amazon S3. Durante la procedura, esamineremo diversi modelli di progettazione dell'architettura di applicazioni per Big Data e forniremo l'accesso a esercizi pratici ripetibili nel proprio ambiente, per offrire la possibilità di ricreare e personalizzare l'applicazione. Per ottenere il massimo da questa sessione, è importante portare con sé il proprio laptop e avere familiarità con i servizi AWS.

Scarica presentazione »

Negli ultimi anni, il numero di dispositivi connessi e di origini dati in tempo reale è cresciuto a dismisura. I dati vengono prodotti senza soluzione di continuità e a velocità sempre maggiori. Le aziende non possono più permettersi di attendere ore o giorni per utilizzare questi dati. Per ottenere informazioni di valore, devono poter utilizzare questi dati immediatamente e prendere provvedimenti rapidi in risposta alle novità. In questo workshop, sarà illustrato come sfruttare le origini di flussi di dati per ottenere analisi e reagire alle informazioni in tempo reale. Sarà stabilito uno scenario realistico di flussi di dati con diversi requisiti; l'obiettivo sarà creare una soluzione che li soddisfi tutti utilizzando servizi quali Amazon Kinesis, AWS Lambda e Amazon SNS.

Scarica presentazione »

Apprendi come progettare l'architettura di un data lake in cui diversi team aziendali possono pubblicare e acquisire dati secondo una modalità self-service. Le aziende puntano sempre più spesso a basare le proprie attività sui dati, perciò i team di ingegneri devono creare architetture in grado di provvedere alle necessità di tutti gli utenti, che siano sviluppatori, analisti finanziari o data scientist. Ciascuno di questi gruppi si avvale di diversi strumenti, ha diverse necessità e accede ai dati in modo differente.

In questa sessione, approfondiremo come dare vita a un data lake utilizzando Amazon S3 Amazon Kinesis, Amazon Athena, Amazon EMR e AWS Glue. Parteciperà Mohit Rao, architect e integration lead presso Atlassian, azienda che ha dato vita a prodotti quali JIRA, Confluence e Stride. Innanzitutto saranno esaminate alcune architetture comuni di data lake. Quindi sarà spiegato in che modo Atlassian a creato il proprio data lake self-service in cui tutti i team aziendali possono pubblicare set di dati fruibili a tutti gli altri utenti.

Guarda registrazione della sessione | Scarica presentazione

Oggi molti progettisti e sviluppatori puntano a creare soluzioni che integrino elaborazione di dati sia in batch sia in tempo reale e che offrano il meglio di entrambi gli approcci. L'architettura Lambda (da non confondersi con il servizio AWS Lambda) è un modello di progettazione che sfrutta tutte e due le modalità di elaborazione all'interno di una soluzione unificata, che permette di soddisfare i requisiti di latenza e throughput necessari per lavorare con i Big Data. Partecipa a questa discussione su come implementare l'architettura Lambda (layer batch, speed e serving) e best practice per il caricamento delle attività di elaborazione e l'ottimizzazione delle prestazioni.

Guarda registrazione della sessione | Scarica presentazione

Ridurre le tempistiche necessarie per ottenere informazioni concrete dai dati è importante per tutte le aziende e i clienti che impiegano strumenti di analisi di dati in batch e desiderano scoprire i vantaggi dell'analisi dei flussi di dati. Apprendi le best practice per estendere l'architettura aziendale da data warehouse e database a soluzioni che operano in tempo reale. Scopri come utilizzare Amazon Kinesis per ottenere informazioni in tempo reale e integrarle con Amazon Aurora, Amazon RDS, Amazon Redshift e Amazon S3. Il team di Amazon Flex descrive come hanno utilizzato l'analisi di flussi di dati nella loro app per dispositivi mobili, utilizzata da tutti i conducenti di mezzi Amazon per recapitare in perfetto orario milioni di pacchi ogni mese. Inoltre, illustrerà l'architettura che ha permesso di passare da un sistema di elaborazione in batch a un sistema in tempo reale, superando le problematiche relative alla migrazione dei dati nelle batch esistenti in flussi di dati, e spiegherà come trarre il massimo dall'analisi in tempo reale.

Guarda registrazione della sessione | Scarica presentazione

Per avere successo sul mercato e differenziarsi dalla concorrenza, le aziende devono poter utilizzare i dati in tempo reale per prendere decisioni informate. In questa sessione, saranno presi in esame casi d'uso e architetture comuni relativi all'elaborazione di flussi di dati. Prima di tutto, sarà fornita una panoramica dei flussi di dati e delle relative funzionalità presenti in AWS. Quindi saranno esaminati alcuni esempi di clienti, con le loro applicazioni di streaming in tempo reale. Infine, saranno illustrati architetture e modelli di progettazione utilizzate di frequente nei casi d'uso più importanti.

Guarda registrazione della sessione | Scarica presentazione

In questa sessione sarà illustrato in che modo Cox Automotive usa Splunk Cloud per ottenere visibilità in tempo reale sui propri ambienti AWS e ibridi limitando al massimo il tempo medio necessario per la risoluzione, riducendo i problemi di asta del 90% e prevedendo in modo proattivo le interruzioni. Inoltre sarà presentata una funzionalità molto attesa, che permette di acquisire, trasformare e analizzare i dati in tempo reale utilizzando Splunk e Amazon Kinesis Firehose per ottenere informazioni di valore dalle risorse nel cloud. Sarà così ancora più semplice e veloce ottenere accesso a monitoraggio di infrastrutture basato su analisi con Splunk Enterprise e Splunk Cloud.

Guarda registrazione della sessione | Scarica presentazione


L'analisi di log è un caso d'uso di Big Data comune che permette di analizzare i dati di log di siti Web, dispositivi mobili, server, sensori e altro per un'ampia gamma di applicazioni come marketing digitale, monitoraggio di applicazioni, rilevamento di frodi, tecnologie pubblicitarie, giochi e IoT. Effettuare le analisi di log in tempo reale può abbreviare l'accesso alle informazioni, permettendo di ottenere analisi approfondite in pochi secondi o minuti invece che in ore o giorni. In questa sessione imparerai ad acquisire e distribuire log senza infrastruttura, utilizzando Amazon Kinesis Data Firehose. Illustreremo come Kinesis Data Analytics può essere usato per elaborare dati di log in tempo reale per creare analisi più tempestive. Infine, mostreremo come utilizzare Amazon Elasticsearch Service per eseguire query interattive e visualizzare i tuoi dati di log.

Obiettivi formativi:

  1. Apprendere come creare una soluzione di analisi di log end-to-end che opera in tempo reale.
  2. Consultare una panoramica su raccolta ed elaborazione di dati in tempo reale con Amazon Kinesis.
  3. Apprendere come interrogare e visualizzare i dati di log in modo interattivo con Amazon Elasticsearch Service.

Guarda la registrazione | Scarica presentazione

La maggior parte delle applicazioni si avvalgono di decine di servizi e centinaia di server. Hanno dimensioni, funzionalità e tecnologie variabili, ma tutte comunicano tra loro in un cloud privato virtuale di Amazon VPC. Analizzare le interazioni fra queste applicazioni è un compito scoraggiante, sia per il volume di traffico sia per la natura dinamica delle distribuzioni. In questo webinar, discuteremo di come Amazon Kinesis e Amazon CloudWatch possono aiutare a risolvere queste problematiche su vasta scala. Esamineremo come utilizzare CloudWatch Logs e Kinesis Data Streams per acquisire e arricchire i log del traffico di rete e identificare pattern di utilizzo in tempo reale.

Obiettivi formativi:

  • Apprendere come creare un sistema di monitoraggio di applicazioni che opera in tempo reale utilizzando log del traffico di rete.
  • Apprendere come arricchire e aggregare i log dei flussi di rete con Amazon Kinesis.
  • Apprendere come visualizzare e analizzare i dati di rete per ottenere informazioni concrete.

Guarda la registrazione | Scarica presentazione

I data lake consentono a tutti i dipendenti della tua organizzazione di accedere e analizzare enormi quantità di dati non strutturati e strutturati provenienti da origini dati disparate, molte delle quali generano dati in modo rapido e continuo. Per rendere questi dati disponibili per l'analisi in modo tempestivo, occorre una soluzione di streaming capace di acquisire questi dati in modo durevole e a costi ridotti. Amazon Kinesis Data Firehose è un servizio completamente gestito che semplifica preparazione e caricamento di flussi di dati in AWS. In questo Tech Talk, forniremo una panoramica di Kinesis Data Firehose ed esamineremo nei dettagli come utilizzare questo servizio per raccogliere, trasformare, eseguire in batch, comprimere e caricare in tempo reale flussi di dati nei data lake Amazon S3.

Obiettivi formativi:

  • Riconoscere i requisiti chiave per raccolta, preparazione e caricamento di flussi di dati in data lake.
  • Consultare una panoramica sulla trasmissione di dati con Kinesis Data Firehose.
  • Apprendere come eseguire trasformazioni di dati utilizzando Kinesis Data Firehose.

Guarda la registrazione | Scarica presentazione

spacer

Editorial_GettingStarted

Puoi usare il codice di esempio e gli strumenti seguenti per creare, testare e distribuire rapidamente applicazioni di analisi con Amazon Kinesis.

  • Crea la tua applicazione con il codice di esempio di analisi IoT. Non è necessario partire da zero. Scarica da questa pagina »
  • Esegui il test della tua applicazione Kinesis con Kinesis Data Generator. Ulteriori informazioni »
  • Guarda un tutorial pratico su come creare una soluzione di analisi di log con Kinesis. Scoprilo »