É fácil começar com o Amazon Kinesis. Esta página oferece uma coletânea dos principais recursos para que você possa iniciar rapidamente um aplicativo de streaming.


O Amazon Kinesis Video Streams facilita o streaming seguro de vídeos de dispositivos conectados para a AWS, onde podem ser usados para análises, machine learning (ML) e outros processamentos. Nesta sessão, apresentamos o Kinesis Video Streams e seus principais recursos, e analisamos casos de uso comuns como residências inteligentes, cidades inteligentes, automação industrial e visão computadorizada. Também discutimos como você pode usar a biblioteca do analisador do Kinesis Video Streams para trabalhar com a saída de streams de vídeo e oferecer suporte a estruturas comuns de aprendizado profundo. Por fim, a Abeja, uma provedora de soluções de inteligência artificial (IA) líder de mercado no Japão, mostra como criou um sistema de aprendizado profundo para o setor de varejo usando o Kinesis Video Streams para oferecer uma melhor experiência de compras. 

Assista à gravação da sessão | Faça download da apresentação

O Amazon Kinesis Analytics oferece um algoritmo de Machine Learning incorporado que pode ser usado para detectar facilmente anomalias no tráfego de rede de uma VPC e aprimorar o monitoramento de segurança. Participe de nossa discussão interativa sobre como fazer streaming do VPC Flow Logs para o Amazon Kinesis Streams e identificar anomalias usando o Kinesis Analytics.

Assista à gravação da sessão | Faça download da apresentação

Milhares de serviços funcionam em conjunto para entregar milhões de horas de streams de vídeo para clientes da Netflix todos os dias. Esses aplicativos variam em tamanho, funções e tecnologia, mas todos usam a rede da Netflix para se comunicar. A compreensão das interações entre esses serviços é um desafio formidável, tanto pelo grande volume de tráfego quanto pela natureza dinâmica das implantações. Esta sessão começa com uma discussão sobre os motivos que levaram a Netflix a escolher o Kinesis Streams para abordar esses desafios em grande escala. Em seguida, detalharemos como a Netflix usa o Kinesis Streams para enriquecer logs de tráfego de rede e identificar padrões de uso em tempo real. Por fim, falaremos sobre como a Netflix usa esse sistema para criar mapas de dependência abrangentes, aumentar a eficiência da rede e aprimorar a resiliência a falhas. Nesta sessão, você aprenderá a criar um sistema de monitoramento de aplicativos em tempo real usando logs de tráfego de rede para obter insights práticos em tempo real.

Assista à gravação da sessão | Faça download da apresentação

O Amazon Kinesis facilita a coleta, o processamento e a análise de dados de streaming em tempo real, permitindo que você obtenha insights oportunos e reaja rapidamente às novas informações. Nesta sessão, apresentamos uma solução completa de dados de streaming usando o Kinesis Streams para consumo de dados, o Kinesis Analytics para processamento em tempo real e o Kinesis Firehose para persistência. Analisamos detalhadamente como escrever consultas SQL usando dados de streaming e discutimos as melhores práticas para otimizar e monitorar aplicativos do Kinesis Analytics. Por fim, discutimos como estimar o custo de todo o sistema. 

Assista à gravação da sessão | Faça download da apresentação

Você quer aumentar o seu conhecimento de web services de big data da AWS e lançar o seu primeiro aplicativo de big data na nuvem? Mostramos a você como simplificar o processamento de big data como um barramento de dados que abrange consumo, armazenamento, processamento e visualização. Você cria um aplicativo de big data usando serviços gerenciados da AWS como Amazon Athena, Amazon Kinesis, Amazon DynamoDB e Amazon S3, entre outros. Durante o workshop, analisaremos padrões de projeto de arquitetura para aplicativos de big data e ofereceremos acesso a um laboratório que você poderá executar fora do workshop para recriar e personalizar o aplicativo. Você deve trazer o seu próprio laptop e ter alguma familiaridade com os Serviços da AWS para aproveitar essa sessão ao máximo.

Faça download da apresentação »

Nos últimos anos, o número de dispositivos conectados e fontes de dados em tempo real cresceu de forma explosiva. O resultado é uma produção contínua de dados, e a taxa de produção está acelerando. As empresas não podem mais esperar horas ou dias para usar esses dados. Para obter os insights mais valiosos, elas devem usar imediatamente esses dados para pode reagir rapidamente com base nas novas informações. Neste workshop, você aprenderá aproveitar as fontes de streaming de dados para analisar e reagir praticamente em tempo real. Você receberá diversos requisitos de um cenário de dados de streaming do mundo real e terá de criar uma solução que atenda a esses requisitos usando serviços como Amazon Kinesis, AWS Lambda e Amazon SNS.

Faça download da apresentação »

Saiba como criar a arquitetura de um data lake onde várias equipes da organização podem publicar e consumir dados em um modelo de autoatendimento. À medida que as organizações se tornam cada vez mais orientadas a dados, as equipes de engenharia têm de criar arquiteturas que atendem às necessidades de diversos usuários, de desenvolvedores a analistas de negócios e cientistas de dados. Cada um desses grupos de usuários usa ferramentas diferentes, tem requisitos exclusivos de dados e acessam os dados de formas distintas.

Nesta conversa, examinaremos detalhadamente a montagem de um data lake usando os serviços Amazon S3, Amazon Kinesis, Amazon Athena, Amazon EMR e AWS Glue. A sessão apresentará Mohit Rao, arquiteto e chefe de integração da Atlassian, a fabricante de produtos como JIRA Confluence e Stride. Primeiro, examinaremos algumas arquiteturas comuns para a criação de um data lake. Em seguida, mostraremos como a Atlassian criou um data lake no modelo de autoatendimento. Qualquer equipe da empresa pode publicar um conjunto de dados nesse data lake para consumo por um grande conjunto de usuários.

Assista à gravação da sessão | Faça download da apresentação

Hoje, muitos arquitetos e desenvolvedores procuram criar soluções que integram processamento de dados em lotes e em tempo real e oferecem o melhor das duas abordagens. A arquitetura Lambda (não confunda com o serviço AWS Lambda) é um padrão de projeto que usa processamento em lotes e em tempo real em uma única solução para cumprir requisitos de latência, precisão e throughput de casos de uso de big data. Participe de nossa discussão sobre como implementar a arquitetura Lambda (velocidade de lotes e camadas de servidor) e as melhores práticas para processamento, carga e ajustes de performance de dados.

Assista à gravação da sessão | Faça download da apresentação

A redução do tempo de obtenção de insights acionáveis dos dados é importante para todas as empresas. Os clientes que usam ferramentas de análise de dados em lotes estão explorando os benefícios das análises de streaming. Aprenda as melhores práticas para ampliar uma arquitetura de data warehouses e bancos de dados para soluções em tempo real. Saiba como usar o Amazon Kinesis para obter insights de dados em tempo real e integrá-los aos serviços Amazon Aurora, Amazon RDS, Amazon Redshift e Amazon S3. A equipe do Amazon Flex descreve como usou as análises de streaming em um aplicativo móvel do Amazon Flex usado por motoristas de entrega da Amazon para entregar todos os meses milhões de pacotes dentro do prazo esperado. A equipe discute a arquitetura que possibilitou a mudança de um sistema de processamento de lotes para um sistema em tempo real, superando os desafios da migração de dados em lotes atuais para dados de streaming. Além disso, mostra como obter benefícios com as análises em tempo real.

Assista à gravação da sessão | Faça download da apresentação

Para conquistar o mercado e oferecer experiências de cliente diferenciadas, as empresas precisam usar dados ao vivo em tempo real para facilitar a agilidade na tomada de decisões. Nesta sessão, você aprenderá casos de uso e arquiteturas comuns para processamento de dados de streaming. Primeiro, oferecemos uma visão geral dos dados de streaming e dos recursos de dados de streaming da AWS. Em seguida, examinamos alguns exemplos de clientes e seus aplicativos de streaming em tempo real. Por fim, descrevemos as arquiteturas e os padrões de projeto comuns dos principais casos de uso de dados de streaming.

Assista à gravação da sessão | Faça download da apresentação

Nesta sessão, saiba como a Cox Automotive usa o Splunk Cloud para obter visibilidade em tempo real de ambientes AWS e híbridos para alcançar um tempo médio de identificação (MTTI) praticamente instantâneo, reduzir os incidentes de leilão em 90% e prever proativamente as indisponibilidades. Também apresentamos um recurso aguardado ansiosamente que permite consumir, transformar e analisar dados em tempo real usando o Splunk e o Amazon Kinesis Firehose para obter insights valiosos de recursos em nuvem. Agora, é muito mais fácil e rápido obter acesso ao monitoramento de infraestrutura orientada a análises usando o Splunk Enterprise e o Splunk Cloud.

Assista à gravação da sessão | Faça download da apresentação


A análise de logs é um caso de uso de big data comum que permite analisar dados de logs de sites, dispositivos móveis, servidores e sensores, entre outros, para uma grande variedade de aplicações como marketing digital, monitoramento de aplicativos, detecção de fraudes, tecnologia de anúncios, jogos e IoT. A mudança das análises de log para tempo real pode acelerar o acesso às informações, o que permite obter insights em segundos ou minutos, em vez de horas ou dias. Nesta sessão, você aprenderá a consumir e entregar logs sem infraestrutura usando o Amazon Kinesis Data Firehose. Mostraremos como o Kinesis Data Analytics pode ser usado para processar dados de log em tempo real para criar análises responsivas. Finalmente, mostraremos como usar o Amazon Elasticsearch Service para consultar e visualizar interativamente dados de log.

Objetivos do aprendizado:

  1. Saiba como criar facilmente uma solução completa de análises de log em tempo real.
  2. Obtenha uma visão geral da coleta e do processamento de dados em tempo real usando o Amazon Kinesis.
  3. Saiba como consultar e visualizar interativamente dados de log usando o Amazon Elasticsearch Service.

Assista à gravação | Faça download da apresentação

A maioria de aplicativos é composta por dezenas de serviços e centenas de servidores. Esses aplicativos apresentam tamanho, função e tecnologia variáveis. No entanto, todos se comunicam entre si dentro de uma Amazon Virtual Private Cloud (VPC). A compreensão das interações entre esses aplicativos pode ser um desafio formidável, tanto pelo volume de tráfego quanto pela natureza dinâmica das implantações. Neste webinar, discutiremos como o Amazon Kinesis e o Amazon CloudWatch podem ajudar a abordar esses desafios em grande escala. Discutiremos como usar o CloudWatch Logs e o Kinesis Data Streams para capturar e enriquecer logs de tráfego de rede e identificar padrões de uso em tempo real.

Objetivos do aprendizado:

  • Compreender como criar um sistema de monitoramento de aplicativos em tempo real usando logs de tráfego de rede.
  • Aprender a enriquecer e agregar dados de logs de fluxo de rede usando o Amazon Kinesis.
  • Saber como visualizar e analisar dados de rede para obter insights acionáveis.

Assista à gravação | Faça download da apresentação

Data lakes permitem que os funcionários em toda a organização acessem e analisem quantidades massivas de dados estruturados e não estruturados com origens de dados heterogêneas, muitas das quais geram dados de forma contínua e rápida. A disponibilização oportuna desses dados para análise exige uma solução de streaming que pode consumir de forma resiliente e econômica esses dados para um data lake. O Amazon Kinesis Data Firehose é um serviço completamente gerenciado que facilita a preparação e a carga de dados de streaming na AWS. Neste Tech Talk, ofereceremos uma visão geral do Kinesis Data Firehose e detalharemos como você pode usar o serviço para coletar, transformar, organizar em lotes, comprimir e carregar dados de streaming em tempo real em data lakes do Amazon S3.

Objetivos do aprendizado:

  • Entender os principais requisitos para coletar, preparar e carregar dados de streaming em data lakes.
  • Obter uma visão geral da transmissão de dados usando o Kinesis Data Firehose.
  • Saber como executar transformações de dados com o Kinesis Data Firehose.

Assista à gravação | Faça download da apresentação

spacer

Editorial_GettingStarted

Você pode usar os seguintes exemplos de código e ferramentas para criar, testar e implantar rapidamente aplicativos de análise com o Amazon Kinesis.

  • Use os nossos exemplos de códigos de análise de IoT para criar um aplicativo. Sem necessidade de começar do zero. Faça o download aqui »
  • Teste um aplicativo do Kinesis usando o Kinesis Data Generator. Saiba mais »
  • Experimente um tutorial prático para criar uma solução de análise de logs usando o Kinesis. Confira »