Nozioni di base su Amazon Kinesis Data Streams

Dopo la registrazione ad Amazon Web Services, per iniziare a usare Amazon Kinesis Data Streams è sufficiente:

• Creare un flusso Amazon Kinesis tramite la Console di gestione di Amazon Kinesis oppure l'API CreateStream.
• Configurare i produttori di dati in modo che inoltrino continuativamente dati nel flusso Amazon Kinesis.
• Creare le applicazioni Amazon Kinesis che leggono ed elaborano i dati del flusso Amazon Kinesis.

I produttori di dati possono inviare i dati in Amazon Kinesis Data Streams tramite le API di Amazon Kinesis Data Streams, Amazon Kinesis Producer Library (KPL), o Amazon Kinesis Agent.

Inserisci i dati campione in un flusso di dati Kinesis o in un firehose di dati utilizzando Amazon Kinesis Data Generator.

Amazon Kinesis Data Streams fornisce due API per immettere i dati in un flusso Amazon Kinesis: PutRecord e PutRecords. PutRecord consente un solo record di dati per chiamata API, mentre PutRecords consente più record di dati per chiamata API.

Amazon Kinesis Producer Library (KPL) è una libreria configurabile e semplice da utilizzare che facilita l'invio di dati in un flusso di dati di Amazon Kinesis. Amazon Kinesis Producer Library (KPL) offre un'interfaccia semplice, affidabile e asincrona che consente di raggiungere throughput elevati con una quantità limitata di risorse client.

Amazon Kinesis Agent è un'applicazione Java preinstallata che offre un modo semplice per raccogliere e inviare dati in un flusso Amazon Kinesis. È possibile installare l'agente su ambienti server basati su Linux quali server Web, server di log e server di database. L'agente monitora determinati file e invia in modo continuo dati nel flusso.

Esegui un servizio completamente gestito per elaborare le applicazioni utilizzando i servizi AWS o costruirne di nuove

Amazon Kinesis Data Firehose è il mezzo più semplice per trasformare e caricare flussi di dati in datastore e strumenti di analisi in modo affidabile. È possibile utilizzare un flusso di dati Kinesis come fonte per un firehose di dati Kinesis.

Con il servizio gestito da Amazon per Apache Flink, puoi facilmente interrogare i dati di streaming o creare applicazioni di streaming utilizzando Apache Flink in modo da ottenere informazioni utili e rispondere prontamente alle esigenze della tua azienda e dei clienti. Puoi utilizzare un flusso di dati Kinesis come origine e destinazione per un'applicazione del servizio gestito da Amazon per Apache Flink.

È possibile utilizzare le funzioni Lambda per la lettura automatica dei dati dal tuo Kinesis Data Stream. AWS Lambda è solitamente utilizzata per i processi di streaming record-by-record (chiamati anche event-based).

Amazon Kinesis Client Library (KCL) è una libreria preconfigurata che semplifica la creazione di applicazioni Amazon Kinesis per la lettura e l'elaborazione di dati provenienti da un flusso Amazon Kinesis. KCL gestisce problemi complessi quali l'adattamento alle variazioni di volume del flusso, il bilanciamento del carico dei dati, la coordinazione di servizi distribuiti e l'elaborazione di dati con tolleranza ai guasti. KCL consente di concentrare l'attenzione sulla logica di business durante la creazione di applicazioni Amazon Kinesis. A partire da KCL 2.0, è possibile utilizzare un API in streaming HTTP/2 a bassa latenza e un fan-out rinforzato per recuperare i dati da un flusso.

Amazon Kinesis Connector Library è una libreria preconfigurata che semplifica l'integrazione di Amazon Kinesis con altri servizi di AWS e strumenti di terze parti. Amazon Kinesis Client Library (KCL) è un requisito per l'utilizzo di Amazon Kinesis Connector Library. La versione corrente della libreria offre connettori per Amazon DynamoDB, Amazon Redshift, Amazon S3, e Amazon Elasticsearch Service. La libreria, inoltre, include connettori di esempio di ciascun tipo e file di generazione di Apache Ant per poter eseguire il codice di esempio.

Amazon Kinesis Storm Spout è una libreria preconfigurata che semplifica l'integrazione di Amazon Kinesis Data Streams con Apache Storm. La versione corrente di Amazon Kinesis Storm Spout ricerca i dati provenienti da un flusso di dati di Kinesis e li inoltra sotto forma di tuple. Sarà quindi possibile aggiungere lo spout alla topologia Storm per sfruttare Amazon Kinesis Data Streams come servizio scalabile e affidabile di acquisizione di flussi, storage e riproduzione.

È possibile accedere privatamente alle API di Kinesis Data Streams da Amazon Virtual Private Cloud (VPC) creando un endpoint VPC. Grazie agli endpoint VPC, l'instradamento tra il cloud privato virtuale e Kinesis Data Streams viene gestito dalla rete AWS senza chiamare in causa gateway Internet, gateway NAT o connessioni VPN. La generazione più recente di endpoint VPC utilizzata da Kinesis Data Streams è basata su AWS PrivateLink, una tecnologia che permette connessioni private tra servizi AWS con interfacce ENI (Elastic Network Interface) e IP privati nei VPC. Per ulteriori informazioni, consulta la documentazione di AWS PrivateLink.

Il fan-out rinforzato permette ai clienti di dimensionare il numero di consumer leggendo da un flusso in parallelo, mantenendo al contempo le prestazioni. È possibile utilizzare fan-out avanzato e un recupero dei dati API HTTP/2 per i dati fan-out su diverse applicazioni, solitamente entro 70 millisecondi dall'arrivo.

È possibile crittografare i dati immessi in Kinesis Data Streams tramite crittografia lato server o lato client. La crittografia lato server è una caratteristica completamente gestita che permette di crittografare e decrittografare i dati mentre vengono inoltrati o estratti dal flusso di dati. La crittografia lato client interviene sui dati prima che vengano inoltrati nel flusso. Per ulteriori informazioni, consulta la sezione Sicurezza delle domande frequenti su Kinesis Data Streams.

Utilizza un flusso come origine per un Kinesis Data Firehose per trasformare i dati durante la consegna a S3, Redshift, Elasticsearch e Splunk. Collega un'applicazione del servizio gestito da Amazon per Apache Flink per elaborare flussi di dati in tempo reale con lo standard SQL senza dover apprendere specifiche competenze su programmazione o framework di elaborazione.

Amazon Kinesis Data Streams si integra con Amazon CloudWatch per raccogliere, visionare e analizzare facilmente parametri di CloudWatch per i flussi di dati di Amazon Kinesis e gli shard all'interno di tali flussi. Per ulteriori informazioni sui parametri di Amazon Kinesis Data Streams, consulta il paragrafo Monitoring Amazon Kinesis with Amazon CloudWatch.

Amazon Kinesis Data Streams si integra con AWS Identity and Access Management (IAM), un servizio che consente di controllare gli accessi degli utenti alle risorse e ai servizi AWS. Ad esempio, è possibile creare una policy che consente solo a un utente o a un gruppo di utenti specifico di immettere dati in un flusso di dati di Amazon Kinesis. Per ulteriori informazioni su gestione e controllo degli accessi dei flussi di dati di Amazon Kinesis, consulta Controlling Access to Amazon Kinesis Resources using IAM.

Amazon Kinesis Data Streams si integra con AWS CloudTrail, un servizio che registra le chiamate API di AWS sull'account e ne inoltra i file di log. Per ulteriori informazioni sulla registrazione delle chiamate API e per ottenere un elenco delle API di Amazon Kinesis, consulta Registrazione di log a chiamate API di Amazon Kinesis API con AWS CloudTrail.

È possibile contrassegnare con dei tag i flussi di dati di Amazon Kinesis per facilitare la gestione dei costi e delle risorse. Un tag è un'etichetta personalizzata in forma di coppia chiave-valore che semplifica l'organizzazione delle risorse AWS. Ad esempio, puoi applicare un tag ai flussi di dati di Amazon Kinesis Data Streams per distinguere i centri di costo, in modo da suddividerli in categorie e monitorarne i costi. Per ulteriori informazioni, consulta Tagging Your Amazon Kinesis Data Streams.

Questo tutorial illustra le fasi di creazione di un flusso di dati di Amazon Kinesis, inviando dati di stock simulate sulle transazioni e scrivendo un'applicazione per elaborare i dati dal flusso.  

• Introduzione
• Prerequisiti
• Fase 1: creazione di un flusso
• Fase 2: creazione di policy e di utenti IAM
• Fase 3: scaricamento e creazione del codice di implementazione
• Fase 4: implementazione del produttore
• Fase 5: implementazione del consumatore
• Fase 6: (opzionale) estensione del consumatore
• Fase 7: conclusione

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 la registrazione della sessione | Scarica la 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 AWS Managed Services, 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 la 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 la 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 la registrazione della sessione | Scarica la 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 la registrazione della sessione | Scarica la presentazione

La soluzione di dati in streaming di AWS per Amazon Kinesis fornisce ad AWS CloudFormation dei modelli in cui i dati fluiscono attraverso produttori, storage di streaming, consumer e destinazioni. Per supportare molteplici casi d'uso ed esigenze aziendali, questa soluzione offre quattro modelli AWS CloudFormation. I modelli vengono configurati per applicare le best practice, in modo da monitorare la funzionalità utilizzando allarmi e pannelli di controllo e proteggere i dati.