Начать работу с Kinesis Analytics лучше всего на реальном примере, создав образец приложения. Просто перейдите в консоль Kinesis Analytics и создайте новое приложение Kinesis Analytics. Выберите имеющийся демонстрационный поток в качестве входящего, определите шаблон и отредактируйте SQL-запрос. После этого можно будет просмотреть результаты непосредственно в консоли или загрузить полученные данные в Amazon Elasticsearch Service для визуализации с помощью Kibana.Развертывание комплексного приложения потоковой обработки можно выполнить всего за несколько минут.


2up_webinar-desktop_orange

Начать работу с Kinesis Analytics очень просто. Видеоинструкции дают углубленное понимание технологии стандартных примеров использования сервиса и функционирования рабочих нагрузок обработки потоковых данных. Они также дают исчерпывающий обзор главных возможностей, и вы сможете выполнить поставленные задачи.Перейдите по ссылкам ниже и посмотрите видеоролики.


Руководство для разработчиков предоставляет пошаговые инструкции по созданию образцов приложений для обработки потоковых данных. Некоторые из этих примеров также содержат пошаговые инструкции: вы можете попробовать выполнить их и получить практический опыт.

В результате знакомства с этими примерами вы:

  • узнаете, что можно создать с помощью Amazon Kinesis Analytics;
  • получите практический опыт запуска приложений для обработки потоковых данных;
  • получите базовый код SQL, на который в дальнейшем сможете опираться.
editorial_training_accreditation_lightblue
Предварительная обработка потоков Посмотреть
Базовая аналитика Посмотреть
Расширенная аналитика Посмотреть
Дополнительная обработка потоков внутри приложения Посмотреть

Джефф Барр | 11 августа 2016 г.

Возможно, вам уже известно, что Amazon Kinesis значительно упрощает работу с потоковыми данными в режиме реального времени в облаке AWS. Вместо того чтобы настраивать и запускать свою собственную инфраструктуру обработки и кратковременного хранения, вы просто создаете поток Kinesis или поток доставки Kinesis Firehose, организуете передачу данных в них и затем создаете приложение для обработки и анализа этих данных.

Хотя процесс создания решений потоковой обработки данных с помощью потоков Kinesis или потоков доставки Kinesis Firehose сравнительно прост, мы работаем над тем, чтобы сделать его еще проще. Мы хотим, чтобы разработчики процедур, специалисты по обработке данных или SQL-разработчики могли обрабатывать объемные данные истории посещений, данные телеметрии и датчиков от подключенных устройств, журналы серверов и многое другое, используя стандартный язык запросов, и при этом в режиме реального времени!

Подробнее »

 

Райан Нинхьюс | 11 августа 2016 г.

Это первая из двух публикаций в блоге AWS Big Data, посвященных написанию кода SQL для Amazon Kinesis Analytics. В этой публикации я дам обзор потоковых данных и ключевых понятий, таких как базовые запросы SQL к потоковым данным, а также приведу полный пошаговый разбор простого примера. В следующей публикации я рассмотрю более продвинутые способы обработки потоковых данных с помощью Amazon Kinesis Analytics.

Большинство организаций для выработки бизнес-решений и улучшения качества обслуживания клиентов в качестве средства получения ежедневной или почасовой аналитики используют пакетную обработку данных. Однако если обрабатывать данные и реагировать на них в режиме реального времени, из них можно извлечь гораздо больше пользы. Ведь значение аналитической информации быстро падает с течением времени – чем быстрее вы реагируете, тем лучше.

Подробнее »