Начать работу с Kinesis Data Analytics лучше всего на реальном примере, создав образец приложения. Просто перейдите в консоль Kinesis Data Analytics и создайте новое приложение Kinesis Data 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 Data 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 Data 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 собственную инфраструктуру обработки и кратковременного хранения, вы просто создаете поток Kinesis или поток доставки Kinesis Data Firehose, организуете передачу данных в них, а затем создаете приложение для обработки и анализа этих данных.

Процесс создания решений потоковой обработки данных с помощью потоков Kinesis или потоков доставки Kinesis Data Firehose сравнительно прост, однако 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 SQL-кода для Amazon Kinesis Data Analytics. В этой публикации я дам обзор потоковых данных и ключевых понятий, таких как базовые SQL-запросы к потоковым данным, а также приведу пошаговый разбор простого примера. В следующей публикации я рассмотрю более продвинутые способы обработки потоковых данных с помощью Amazon Kinesis Data 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 »