Für neue Projekte empfehlen wir, den neuen Managed Service für Apache Flink Studio anstelle von Kinesis-Data-Analytics-for-SQL-Anwendungen zu verwenden. Der Managed Service für Apache Flink Studio kombiniert Benutzerfreundlichkeit mit fortschrittlichen Analysefunktionen, sodass Sie in wenigen Minuten anspruchsvolle Anwendungen zur Stream-Verarbeitung erstellen können.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Was ist Amazon Kinesis Data Analytics für SQL-Anwendungen?
Mit Amazon Kinesis Data Analytics für SQL-Anwendungen können Sie Streaming-Daten mit Standard-SQL verarbeiten und analysieren. Der Service ermöglicht die schnelle Erstellung und Ausführung von leistungsstarkem SQL-Code für Streaming-Quellen zum Durchführen von Zeitreihenanalysen, Füllen von Echtzeit-Dashboards und Erstellen von Echtzeitmetriken.
Zur Vorbereitung der Nutzung von Kinesis Data Analytics erstellen Sie eine Kinesis Data Analytics-Anwendung, die kontinuierlich Streaming-Daten liest und verarbeitet. Der Service unterstützt die Aufnahme von Daten aus Amazon Kinesis Data Streams und Streaming-Quellen von Amazon Data Firehose. Anschließend erstellen Sie mit dem interaktiven Editor Ihren SQL-Code und testen diesen mit Streaming-Livedaten. Sie können auch Ziele konfigurieren, an die Kinesis Data Analytics die Ergebnisse senden soll.
Kinesis Data Analytics unterstützt Amazon Data Firehose (Amazon S3, Amazon Redshift, Amazon OpenSearch Service und Splunk) AWS Lambdaund Amazon Kinesis Data Streams als Ziele.
Wann sollte ich Amazon Kinesis Data Analytics verwenden?
Amazon Kinesis Data Analytics ermöglicht die schnelle Erstellung von SQL-Code, der kontinuierlich Daten nahezu in Echtzeit liest, verarbeitet und speichert. Mithilfe von Standard-SQL-Abfragen für Streaming-Daten können Sie Anwendungen erstellen, mit denen sich Einblicke in Ihre Daten gewinnen lassen. Im Folgenden finden Sie einige Beispielszenarien für die Verwendung von Kinesis Data Analytics:
-
Generieren von Zeitreihenanalysen – Sie können Metriken über Zeitfenster berechnen und dann über einen Kinesis Daten-Bereitstellungs-Stream Werte an Amazon S3 oder Amazon Redshift streamen.
-
Füllen von Echtzeit-Dashboards – Sie können aggregierte und verarbeitete Ergebnisse von Streaming-Daten downstream senden und verarbeiten, um Echtzeit-Dashboards zu füllen.
-
Erstellen von Echtzeitmetriken – Sie können benutzerdefinierte Metriken und Auslöser für den Einsatz in der Echtzeit-Überwachung, in Benachrichtigungen und Alarmen erstellen.
Weitere Informationen zu den SQL-Sprachelementen, die von Kinesis Data Analytics unterstützt werden, finden Sie in der SQL-Referenz zu Amazon Kinesis Data Analytics.
Verwenden Sie Amazon Kinesis Data Analytics zum ersten Mal?
Wenn Sie Amazon Kinesis Data Analytics zum ersten Mal verwenden, empfehlen wir Ihnen, nacheinander die folgenden Abschnitte zu lesen:
-
Lesen Sie den Abschnitt zur Funktionsweise in diesem Dokument. In diesem Abschnitt werden verschiedene Komponenten von Kinesis Data Analytics vorgestellt, mit denen Sie zusammenarbeiten, um ein - end-to-end Erlebnis zu schaffen. Weitere Informationen finden Sie unter Amazon Kinesis Data Analytics für SQL-Anwendungen: So funktioniert's.
-
Absolvieren Sie die Einstiegsübungen. Weitere Informationen finden Sie unter Erste Schritte mit Amazon-Kinesis-Data-Analytics for SQL-Anwendungen.
-
Machen Sie sich mit den SQL-Streaming-Konzepten vertraut. Weitere Informationen finden Sie unter SQL-Streaming-Konzepte.
-
Versuchen Sie es mit weiteren Beispielen. Weitere Informationen finden Sie unter Kinesis Data Analytics für SQL.
