Tras considerarlo detenidamente, hemos decidido retirar las aplicaciones de Amazon Kinesis Data Analytics para SQL en dos pasos:
1. A partir del 15 de octubre de 2025, no podrá crear nuevas aplicaciones de Kinesis Data Analytics para SQL.
2. Eliminaremos sus aplicaciones a partir del 27 de enero de 2026. No podrá iniciar ni utilizar sus aplicaciones de Amazon Kinesis Data Analytics para SQL. A partir de ese momento, el servicio de soporte de Amazon Kinesis Data Analytics para SQL dejará de estar disponible. Para obtener más información, consulte Retirada de las aplicaciones de Amazon Kinesis Data Analytics para SQL.
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Paso 1: Crear las secuencias de entrada y de salida
Antes de crear una aplicación de análisis de datos de Amazon Kinesis Data Analytics para el Ejemplo de puntos de acceso, deberá crear dos flujos de datos de Kinesis. Configure una de las secuencias como el origen de streaming de su aplicación y otra secuencia como el destino, donde Kinesis Data Analytics sigue siendo la salida de su aplicación.
Temas
Paso 1.1: crear los flujos de datos de Kinesis
En esta sección, creará dos secuencias de Kinesis: ExampleInputStream y ExampleOutputStream.
Cree estas flujos de datos con la consola o la AWS CLI.
-
Para crear estas flujos de datos con la consola:
-
Elija Flujos de datos en el panel de navegación.
-
Elija Create Kinesis Stream (Crear secuencia de Kinesis) y, a continuación, cree una secuencia con un fragmento denominado
ExampleInputStream. -
Repita el paso anterior y cree una secuencia con un fragmento denominada
ExampleOutputStream.
-
Para crear flujos de datos con la AWS CLI:
-
Cree transmisiones (
ExampleInputStreamyExampleOutputStream) mediante el siguiente comando de Kinesiscreate-streamAWS CLI . Para crear la segunda secuencia, que la aplicación utilizará para escribir la salida, ejecute el mismo comando, cambiando el nombre de la secuencia aExampleOutputStream.$ aws kinesis create-stream \ --stream-nameExampleInputStream\ --shard-count 1 \ --region us-west-2 \ --profile adminuser $ aws kinesis create-stream \ --stream-nameExampleOutputStream\ --shard-count 1 \ --region us-west-2 \ --profile adminuser
-
Paso 1.2: Escribir registros de muestra en la secuencia de entrada
En este paso, ejecute el código de Python para generar registros de muestra y escribir en la secuencia ExampleInputStream.
{"x": 7.921782426109737, "y": 8.746265312709893, "is_hot": "N"}
{"x": 0.722248626580026, "y": 4.648868803193405, "is_hot": "Y"}-
Instale Python y
pip.Para obtener más información sobre la instalación de Python, consulte la página web de Python
. Puede instalar dependencias con pip. Para obtener más información sobre la instalación de pip, consulte la sección Installation
en la página web de pip. -
Ejecute el siguiente código de Python. Este código hace lo siguiente:
-
Genera un punto caliente potencial en algún lugar del plano (X, Y).
-
Genera un conjunto de 1000 puntos para cada punto caliente. De estos puntos, el 20 % se agrupa en torno a un punto caliente. El resto se genera de forma aleatoria en todo el espacio.
-
El comando
put-recordescribe los registros JSON en la secuencia.
importante
No cargue este archivo en un servidor web, ya que contiene sus credenciales de AWS .
import json from pprint import pprint import random import time import boto3 STREAM_NAME = "ExampleInputStream" def get_hotspot(field, spot_size): hotspot = { "left": field["left"] + random.random() * (field["width"] - spot_size), "width": spot_size, "top": field["top"] + random.random() * (field["height"] - spot_size), "height": spot_size, } return hotspot def get_record(field, hotspot, hotspot_weight): rectangle = hotspot if random.random() < hotspot_weight else field point = { "x": rectangle["left"] + random.random() * rectangle["width"], "y": rectangle["top"] + random.random() * rectangle["height"], "is_hot": "Y" if rectangle is hotspot else "N", } return {"Data": json.dumps(point), "PartitionKey": "partition_key"} def generate( stream_name, field, hotspot_size, hotspot_weight, batch_size, kinesis_client ): """ Generates points used as input to a hotspot detection algorithm. With probability hotspot_weight (20%), a point is drawn from the hotspot; otherwise, it is drawn from the base field. The location of the hotspot changes for every 1000 points generated. """ points_generated = 0 hotspot = None while True: if points_generated % 1000 == 0: hotspot = get_hotspot(field, hotspot_size) records = [ get_record(field, hotspot, hotspot_weight) for _ in range(batch_size) ] points_generated += len(records) pprint(records) kinesis_client.put_records(StreamName=stream_name, Records=records) time.sleep(0.1) if __name__ == "__main__": generate( stream_name=STREAM_NAME, field={"left": 0, "width": 10, "top": 0, "height": 10}, hotspot_size=1, hotspot_weight=0.2, batch_size=10, kinesis_client=boto3.client("kinesis"), ) -
Paso siguiente
Paso 2: creación de una aplicación de Kinesis Data Analytics
