Начать работу с Amazon Kinesis Data Streams »
Узнать о новых возможностях Amazon Kinesis Data Streams »
Запросить поддержку в оценке или создании опытного образца »
Потоки данных Amazon Kinesis – это широко масштабируемый сервис по сбору и обработке данных с высокой степенью надежности, оптимизированный для работы с потоковыми данными. В соответствии с настройками в поток данных Amazon Kinesis могут непрерывно поступать данные из сотен тысяч источников. Данные становятся доступными для приложений Amazon Kinesis уже через миллисекунды, а записи данных попадают в эти приложения в порядке создания.
Потоки данных Amazon Kinesis можно интегрировать со многими сервисами AWS, включая: Данные Amazon Kinesis Firehose для преобразования данных в режиме, близком к реальному времени, и доставки потоковых данных в озеро данных AWS, например Amazon S3; Управляемый сервис Amazon для Apache Flink для управляемой обработки потоковых данных; AWS Lambda для обработки событий или записей; AWS PrivateLink для частных подключений; Amazon Cloudwatch для обработки метрик и журналов; а также AWS KMS для шифрования на стороне сервера.
На следующей архитектурной диаграмме сервис Потоки данных Amazon Kinesis используется в качестве шлюза в системе обработки больших данных. Данные из различных источников помещаются в поток Amazon Kinesis, после чего могут использоваться различными приложениями Amazon Kinesis. В этом примере одно приложение (обозначено желтым) обрабатывает потоковые данные в режиме реального времени. Другое приложение (обозначено красным) выполняет простую агрегацию данных и отправляет обработанные данные в Amazon S3. Данные в S3 подвергаются дальнейшей обработке и сохраняются в Amazon Redshift для комплексного анализа. Третье приложение (обозначено зеленым) передает необработанные данные в Amazon S3, после чего они архивируются и отправляются в Amazon Glacier для экономичного долгосрочного хранения. Обратите внимание: все три конвейера обработки данных работают одновременно и параллельно.
Основные понятия
Источник данных
Источник данных – это приложение, которое обычно по мере формирования отправляет записи данных в поток Kinesis Data Streams. Источники данных назначают записям ключи секций. Ключи секций в итоге определяют, какой из сегментов отправляет запись данных в поток.
Потребитель данных
Потребитель данных – это распределенное приложение Kinesis или сервис AWS, который по мере создания получает данные от всех сегментов в потоке. Большинство потребителей данных извлекают из сегментов самые свежие данные, что позволяет анализировать или обрабатывать данные в режиме реального времени.
Поток данных
Поток данных – это логическая группировка сегментов. В поток можно собирать неограниченное количество сегментов (запросите увеличение лимита, если требуется). По умолчанию данные будут храниться в потоке 24 часа, но их можно хранить и до 365 дней.
Сегмент
Сегмент – это основная единица передачи данных потока Amazon Kinesis.
- Сегмент представляет собой журнал только для добавления данных и единицу пропускной способности потока. Сегмент содержит последовательность записей данных, упорядоченную по времени поступления.
- Каждый сегмент может собирать до 1000 записей данных в секунду, или до 1 МБ/с. Чтобы собирать данные в большем объеме, потребуются дополнительные сегменты.
- Добавлять или удалять сегменты потока можно динамически по мере изменения объема поступающих данных, воспользовавшись консолью AWS, API UpdateShardCount, запуская автоматическое масштабирование через AWS Lambda или с помощью сервисной программы автомасштабирования.
- Когда потребители используют дополнительные копии данных, каждый сегмент собирает до 1 МБ/с входящих данных и отправляет до 2 МБ/с исходящих данных каждому потребителю, зарегистрированному на использование дополнительных копий.
- Когда потребители не используют дополнительные копии данных, сегмент собирает до 1 МБ/с входящих данных и отправляет до 2 МБ/с исходящих данных, общих для всех потребителей, не использующих дополнительные копии данных.
- При создании потока указывается требуемое количество сегментов, изменить которое можно в любое время. К примеру, можно создать поток с двумя сегментами. С пятью потребителями данных, использующими дополнительные копии, этот поток может предоставлять до 20 МБ/с исходящих данных (2 сегмента x 2 МБ/с x 5 потребителей данных). Когда потребители данных не используют дополнительные копии, входящая пропускная способность этого потока составляет 2 МБ/с, а исходящая – 4 МБ/с. В обоих случаях поток обеспечивает до 2000 записей PUT в секунду, или до 2 МБ/с приема данных, в зависимости от того, какой лимит будет достигнут ранее.
- В Amazon Kinesis Data Streams можно отслеживать метрики на уровне сегментов.
Запись данных
Запись – это единица данных, хранящихся в потоке Amazon Kinesis. Запись состоит из порядкового номера, ключа секции и BLOB‑объекта данных. BLOB‑объект данных – это содержательная составляющая данных, которые источник добавляет в поток. Максимальный размер BLOB‑объекта данных (полезных данных, полученных после декодирования по схеме Base64) составляет 1 мегабайт (МБ).
Ключ секции
Ключ секции обычно представляет собой некий содержательный идентификатор, например номер пользователя или метку времени. Он указывается источником данных, когда данные помещаются в поток данных Amazon Kinesis, и с его помощью потребители могут воспроизводить или составлять историю по конкретному ключу секции. Ключ секции также используется для разделения и маршрутизации записей данных в различные сегменты потока. Предположим, что у вас есть поток данных Amazon Kinesis с двумя сегментами (сегмент 1 и сегмент 2). Можно настроить источник данных на использование двух ключей секций (ключа A и ключа B), чтобы все записи данных с ключом A добавлялись в сегмент 1, а все записи данных с ключом B добавлялись в сегмент 2.
Порядковый номер
Порядковый номер – это уникальный идентификатор каждой записи данных. Порядковый номер назначается сервисом Amazon Kinesis Data Streams в момент получения от источника данных вызова API PutRecord или PutRecords для добавления данных в поток данных Amazon Kinesis. Значения порядковых номеров для одного и того же ключа секции со временем обычно увеличиваются. Чем больше времени прошло между запросами PutRecord или PutRecords, тем большее значение будет у порядкового номера.
Использование Kinesis Data Streams
Зарегистрировавшись в Amazon Web Services, можно начать работу с Amazon Kinesis Data Streams с помощью следующих действий.
- Создать поток Amazon Kinesis с помощью консоли управления Amazon Kinesis или API CreateStream Amazon Kinesis.
- Настроить источники данных для непрерывной передачи данных в поток Amazon Kinesis.
- Создать приложения Amazon Kinesis для считывания и обработки данных из потока Amazon Kinesis.
Размещение данных в потоках
Источники данных могут передавать данные в потоки данных Amazon Kinesis с помощью API Amazon Kinesis Data Streams, библиотеки источников Amazon Kinesis (KPL) или агента Amazon Kinesis.
Amazon Kinesis Data Generator
В поток данных Kinesis или в Kinesis Data Firehose можно поместить образцы данных с помощью Amazon Kinesis Data Generator.
Amazon Kinesis Data Streams API
В Amazon Kinesis Data Streams имеется два API для размещения данных в поток Amazon Kinesis: PutRecord и PutRecords. API PutRecord позволяет одним вызовом добавить одну запись данных, а API PutRecords позволяет одним вызовом добавить несколько записей данных.
Библиотека источников Amazon Kinesis (KPL)
Библиотека источников Amazon Kinesis (KPL) – это удобная и просто настраиваемая библиотека, позволяющая добавлять данные в поток Amazon Kinesis. Библиотека источников Amazon Kinesis (KPL) предоставляет простой и надежный асинхронный интерфейс, позволяющий быстро достичь высокой скорости передачи данных от источника при минимальных ресурсах на клиенте.
Агент Amazon Kinesis
Агент Amazon Kinesis – это готовое приложение Java, позволяющее без труда собирать и отправлять данные в поток Amazon Kinesis. Этот агент можно устанавливать в серверных средах Linux, включая веб‑серверы, серверы журналов или баз данных. Агент отслеживает определенные файлы и непрерывно отправляет данные в поток.
Полностью управляемые или собственные приложения по обработке данных
Используйте полностью управляемые приложения по обработке данных на основе сервисов AWS или создавайте собственные решения.
Amazon Kinesis Data Firehose
Amazon Kinesis Data Firehose предоставляет простейший способ надежного преобразования и загрузки потоковых данных в хранилища данных и инструменты аналитики. В качестве источника данных для сервиса Данные Kinesis Firehose можно использовать поток данных Kinesis.
Управляемый сервис Amazon для Apache Flink
С помощью Управляемого сервиса Amazon для Apache Flink можно легко выполнять запросы к данным потоковой передачи или создавать приложения для потоковой передачи с использованием Apache Flink. Благодаря этому можно быстро получать полезную информацию и оперативно реагировать на потребности бизнеса и клиентов. Поток данных Kinesis можно использовать в качестве источника и места назначения для Управляемого сервиса Amazon для Apache Flink.
AWS Lambda
Функции Lambda можно подписывать на автоматическое чтение записей из потока данных Kinesis. AWS Lambda обычно используется для обработки потока от записи к записи (иначе говоря, на основе событий).
Клиентская библиотека Amazon Kinesis (KCL)
Клиентская библиотека Amazon Kinesis (KCL) – это встроенная библиотека, позволяющая легко создавать приложения Amazon Kinesis для чтения и обработки данных из потока Amazon Kinesis. Она берет на себя такие сложные задачи, как адаптация к изменениям объема потока, балансировка нагрузки потоковых данных, координация распределенных сервисов и отказоустойчивая обработка данных. При разработке приложений Amazon Kinesis KCL позволяет разработчику сосредоточить свое внимание на бизнес‑логике. Начиная с версии KCL 2.0 для извлечения данных из потока можно использовать потоковые API HTTP/2 с низкой задержкой и дополнительные копии данных.
Связующая библиотека Amazon Kinesis
Связующая библиотека Amazon Kinesis – это встроенная библиотека, которая позволяет просто интегрировать Amazon Kinesis с другими сервисами AWS и инструментами сторонних разработчиков. Для использования связующей библиотеки Amazon Kinesis требуется клиентская библиотека Amazon Kinesis (KCL). Текущая версия этой библиотеки обеспечивает подключение к Amazon DynamoDB, Amazon Redshift, Amazon S3 и Amazon Elasticsearch Service. Кроме того, библиотека содержит примеры подключений для каждого типа, а также файлы сборки Apache Ant для запуска примеров.
Amazon Kinesis Storm Spout
Amazon Kinesis Storm Spout – это встроенная библиотека, позволяющая просто интегрировать Amazon Kinesis Data Streams с Apache Storm. Текущая версия Amazon Kinesis Storm Spout извлекает данные из потока Kinesis и выводит их в виде кортежей. Чтобы по максимуму использовать возможности сервиса Amazon Kinesis Data Streams, которые обеспечивают надежность, масштабируемость, захват потока, хранение и воспроизведение, необходимо добавить Spout в топологию Storm.
Возможности управления
Частный доступ к API Kinesis Data Streams из Amazon VPC
Частный доступ к API Kinesis Data Streams можно получить из облака Amazon Virtual Private Cloud (VPC), создав адреса VPC. При использовании адресов VPC маршрутизация между VPC и Kinesis Data Streams осуществляется сетью AWS без участия интернет‑шлюза, шлюза NAT или VPN‑подключения. Последнее поколение адресов VPC, применяемых Kinesis Data Streams, работает на основе AWS PrivateLink – технологии, которая обеспечивает частное соединение между сервисами AWS, используя в VPC эластичные сетевые интерфейсы (ENI) с частными IP‑адресами. Дополнительную информацию о PrivateLink см. в документации AWS PrivateLink.
Распределение потоков данных Kinesis без потерь производительности
Улучшенное распределение данных позволяет клиентам масштабировать количество потребителей, параллельно считывающих данные из потока данных, сохраняя при этом высокую производительность. Улучшенное распределение данных и API извлечения данных HTTP/2 можно использовать, чтобы распределять данные по нескольким приложениям, обычно в пределах 70 миллисекунд после их поступления.
Шифрование данных в Kinesis Data Streams
Данные, которые передаются в Kinesis Data Streams, можно зашифровывать, используя шифрование на стороне сервера или шифрование на стороне клиента. Полностью управляемое шифрование на стороне сервера позволяет автоматически шифровать и дешифровать данные по мере их передачи в поток и получения из него. Кроме того, можно шифровать данные на стороне клиента, перед тем как они передаются в поток. Подробнее см. в разделе Безопасность на странице вопросов и ответов по Потокам данных Kinesis.
Интеграция данных Amazon Kinesis Firehose и Управляемого сервиса Amazon для Apache Flink
Использование потока данных в качестве источника для сервиса Данные Kinesis Firehose позволяет преобразовывать данные на лету и одновременно отправлять их в S3, Redshift, Elasticsearch и Splunk. Подключение Управляемого сервиса Amazon для Apache Flink позволяет обрабатывать потоковые данные в режиме реального времени с помощью стандартного SQL. Осваивать новые языки программирования или системы обработки данных не нужно.
Интеграция с Amazon CloudWatch
Amazon Kinesis Data Streams интегрирован с Amazon CloudWatch, что позволяет без труда собирать, просматривать и анализировать метрики CloudWatch для потоков данных Amazon Kinesis и для сегментов внутри этих потоков. Дополнительную информацию о метриках Amazon Kinesis Data Streams см. на странице Мониторинг сервиса Amazon Kinesis с помощью Amazon CloudWatch.
Интеграция с AWS IAM
Amazon Kinesis Data Streams интегрирован с сервисом AWS Identity and Access Management (IAM), который позволяет безопасно управлять доступом пользователей к сервисам и ресурсам AWS. Например, можно создать политику, которая будет позволять только определенному пользователю или группе размещать данные в потоке Amazon Kinesis. Дополнительную информацию об управлении доступом и контроле потока данных Amazon Kinesis см. в разделе Controlling Access to Amazon Kinesis Resources using IAM.
Интеграция с AWS CloudTrail
Amazon Kinesis Data Streams интегрирован с сервисом AWS CloudTrail, который записывает вызовы API AWS для всего аккаунта и предоставляет соответствующие файлы журналов. Дополнительную информацию о регистрации вызовов API, а также список поддерживаемых API Amazon Kinesis см. в разделе Logging Amazon Kinesis API calls Using AWS CloudTrail.
Поддержка тегов
Чтобы упростить управление ресурсами и расходами, потоки Amazon Kinesis можно помечать с помощью тегов. Тег – это пользовательская метка, которая выражается в виде пары «ключ‑значение» и упрощает организацию ресурсов AWS. Например, можно назначить теги потокам данных Amazon Kinesis по центрам затрат, что позволит разделить их на категории и отслеживать расходы Amazon Kinesis на основе центров затрат. Дополнительную информацию по этой теме см. в разделе Tagging Your Amazon Kinesis Data Streams
Учебные пособия
Analyze stock data with Amazon Kinesis Data Streams
Это учебное пособие представляет собой пошаговое руководство по созданию потока данных Amazon Kinesis, отправке модели биржевых данных в поток и написанию приложения для обработки данных потока.
Избранные презентации
Analyzing Streaming Data in Real Time with Amazon Kinesis (ABD301)
Amazon Kinesis упрощает сбор, обработку и анализ потоковых данных в режиме реального времени, что позволяет своевременно получать аналитические данные и быстро реагировать на новую информацию. В этом семинаре мы рассказываем о комплексном решении для работы с потоковыми данными, в котором Kinesis Streams используется для сбора данных, Kinesis Analytics – для обработки в режиме реального времени, а Kinesis Firehose – для стабильной работы. Мы подробно рассказываем, как писать SQL-запросы для использования потоковых данных, и обсуждаем рекомендации по оптимизации и мониторингу приложений Kinesis Analytics. В заключение мы объясним, как оценить стоимость всей системы.
Семинар. Building Your First Big Data Application on AWS (ABD317)
Хотите быстро расширить знания о веб‑сервисах AWS для больших данных и запустить первое приложение для больших данных в облаке? Мы объясняем, как упростить процесс обработки больших данных и представить его в виде конвейера данных, включающего сбор, хранение, обработку и визуализацию. Вы создадите приложение для больших данных с использованием AWS Managed Services, включая Amazon Athena, Amazon Kinesis, Amazon DynamoDB и Amazon S3. В ходе семинара мы рассматриваем шаблоны проектирования архитектуры приложений для больших данных и даем практическое задание на дом, в ходе которого вы сможете самостоятельно изменять и настраивать приложение. Для того чтобы семинар имел максимальный эффект, следует подготовить свой ноутбук и ознакомиться с сервисами AWS.
Семинар. Don’t Wait Until Tomorrow: How to Use Streaming Data to Gain Real‑time Insights into Your Business (ABD321)
В последние годы наблюдается бурный рост количества подключенных устройств и источников, передающих данные в режиме реального времени. Вследствие этого новые данные создаются непрерывно, а скорость их создания все время растет. Компании не могут себе позволить ждать несколько часов или дней, чтобы начать использовать эти данные. Организации должны немедленно использовать новые данные для получения наиболее ценной аналитической информации и возможности быстро на нее реагировать. Из этого семинара вы узнаете, как с выгодой использовать источники потоковых данных для анализа и реагирования в режиме, близком к реальному времени. Вам будут представлены некоторые требования для реального сценария использования потоковых данных. На их основе нужно будет создать решение, которое бы полностью удовлетворяло заданным требованиям, с использованием сервисов Amazon Kinesis, AWS Lambda и Amazon SNS.
How Amazon Flex Uses Real‑time Analytics to Deliver Packages on Time (ABD217)
Всем организациям и клиентам, которые применяют инструменты пакетного анализа данных и изучают преимущества потоковой аналитики, крайне важно сократить время на получение полезной аналитической информации на основе данных. Ознакомьтесь с рекомендациями по расширению архитектуры от хранилищ и баз данных до решений, работающих в режиме реального времени. Узнайте, как использовать Amazon Kinesis для получения аналитической информации из данных в режиме реального времени и интегрировать ее с Amazon Aurora, Amazon RDS, Amazon Redshift и Amazon S3. Команда Amazon Flex объяснит, как они применяли потоковую аналитику в мобильном приложении Amazon Flex, которым пользуются экспедиторы компании Amazon для своевременной доставки миллионов посылок ежемесячно. Они расскажут об архитектуре, которая позволила перейти от системы пакетной обработки к системе, работающей в режиме реального времени, и решить проблемы миграции существующих пакетных данных в потоковые данные, а также о преимуществах аналитики в режиме реального времени.
Real‑Time Streaming Applications on AWS: Use Cases and Patterns (ABD203)
Компаниям необходимо использовать актуальные данные в режиме реального времени, чтобы принимать решения проще и быстрее. Это позволит получить преимущество на рынке и обеспечивать дифференцированные уровни обслуживания для клиентов. Из этого семинара вы узнаете о распространенных примерах использования и архитектурах решений для обработки потоковых данных. В первой части семинара мы проводим обзор потоковых данных и возможностей AWS по работе с ними. Затем мы рассказываем о некоторых примерах клиентов и их приложений для потоковой передачи в режиме реального времени. В заключение мы обсудим распространенные примеры архитектуры и шаблоны проектов для основных примеров использования потоковых данных.
Избранные решения
Решение для потоковой обработки данных AWS для Amazon Kinesis предоставляет шаблоны AWS CloudFormation, в которых данные проходят через источники, потоковое хранилище, потребителей и пункты назначения. Чтобы соответствовать разным примерам использования и потребностям бизнеса, решение предлагает четыре шаблона AWS CloudFormation. Настройки шаблонов позволяют применять лучшие рекомендации по защите данных и по мониторингу функциональности с помощью панелей и тревог.
Начать работу с Amazon Kinesis Data Streams