こんにちは、えいりんぐーです

今回は Amazon Kinesis についてまとめます。

一口に Kinesis といっても、 Data Streams, Data Firehose, Data Analytics など特性の異なるサービスがあるのでそれぞれ別記事にしたいと思います。
ひとまずここでは、それぞれの概要と参考記事を集めます。

参考資料

Black Beltオンラインセミナー資料
公式ドキュメント
- Streams
  - 開発者ガイド
  - よくある質問
- Firehose
  - 開発者ガイド
  - よくある質問
- Analytics
  - 開発者ガイド、英語のみ
  - よくある質問
ブログ
- Amazon Kinesis Data Streams および AWS Lambda を使用して、Amazon RDS for PostgreSQL の変更をストリーミングする
YouTube
その他
- [AWS]kinesisまとめ
  - こちらの記事も良くまとまっています。

Amazon Kinesis Data Streams

Q: Amazon Kinesis Data Streams とは何ですか?

Amazon Kinesis Data Streams を使用すると、特定のニーズに合わせてストリーミングデータを処理、分析するカスタムアプリケーションを構築できます。クリックストリーム、アプリケーションログ、ソーシャルメディアなどのさまざまなタイプのデータを何十万ものソースから Amazon Kinesis データストリームに連続して追加できます。ほんの数秒後には、Amazon Kinesis アプリケーションで、ストリームからデータを読み取って処理できます。

概要

データ種類や処理に応じてストリームを作成。
- ストリームには1つ以上のシャード。
- 保存されるデータをデータレコードと呼ぶ。
  - 1データレコードのサイズは1MBまで
- 保存期間はデフォルトの24時間から7日
- 送信側キャパシティは秒あたりシャードあたり1MBまたは1,000PUT
- 処理側キャパシティは秒あたりシャードあたり2MBまたは5回のリードトランザクション
パーティションキーでシャードへ分散。
- レコードにはシーケンス番号をアサインする。
- シーケンス番号でアクセスできる。
Kinesis Agent
- Kinesisにデータを送るOSSのJavaアプリ。
  - モニタするファイルパターンや送信先を指定できる。
  - ファイルのローテート処理や失敗時の再試行を管理できる。
  - フォーマット変換やログパースなどの前処理も提供。
  - Streams と Firehose への送信が可能
KPL
- Kinesisにデータを送るOSS。
  - 複数のデータを1レコードにするAggregationや複数レコードをバッファリングするCollectionが可能。Fluent pluginもある
KDG
- テストデータを送信できる。HTML/JavaScriptのOSS。
KCL
- EC2インスタンスなどにデプロイして利用。
- Record Processor Factory, Record Processor (シャードから取り出したデータを処理するプロセッサの単位), Worker (個々のアプリケーションインスタンスとマッピングする処理単位)といったコンポーネントからなる。

Amazon Kinesis Data Firehose

ストリームデータをS3, Redshift, ESへ配信する。簡単。バッチ処理・圧縮・暗号化が行える。

Q: Amazon Kinesis Data Firehose とは何ですか?

Amazon Kinesis Data Firehose は、ストリーミングデータをデータストアや分析ツールにロードする最も簡単な方法です。ストリーミングデータをキャプチャして変換し、Amazon S3、Amazon Redshift、Amazon Elasticsearch Service、Splunk にロードして、現在お使いのビジネスインテリジェンスツールやダッシュボードでほぼリアルタイムに分析できます。フルマネージドサービスのため、データスループットに応じて自動的にスケールされ、継続的な管理は不要です。ロード前にデータのバッチ処理、圧縮処理、暗号化が行われるため、送信先でのストレージ量を最小化し、セキュリティを強化できます。

概要

送信側からはエンドポイントで接続する。
配信先に応じて配信ストリームを作成する。
シャード作成やパーティションキーの指定は不要。
データレコードの最大サイズは1MB。
オートスケールする。
StreamsからFirehoseに直接データを送れる。

Amazon Kinesis Data Analytics

Q: Amazon Kinesis Data Analytics とは何ですか?

Amazon Kinesis Data Analytics は、ストリーミングデータの分析、実用的なインサイトの取得、ビジネスやお客様のニーズへのリアルタイムでの対応を最も簡単に行えるサービスです。Amazon Kinesis Data Analytics を利用すると、ストリーミングアプリケーションを構築し、管理し、AWS のサービスと統合する作業がシンプルになります。一般的な処理関数のための組み込みのテンプレートや演算子を利用し、SQL クエリと高度な Java アプリケーションを簡単に構築し、あらゆる規模のデータを整理、変換、集計、分析できます。

概要

分析単位でアプリケーションを作成する。
- 入出力のストリーミングソース・デスティネーションを設定。
クエリの前処理としてLambdaを設定可能。
- Lambdaはデータレコードの補完や返還に利用できる。
  - Ok: 前処理成功。
  - Dropped: 意図的なレコードの排除。
  - ProcessingFailed: 前処理失敗。エラーストリームへ流れる。
SQLを記述。
1行の最大サイズは50KB。
参照ソースの最大サイズは1GB
- 外部参照テーブルとはジョインしたり、データレコードの補完に利用したりできる。
ウィンドウで問い合わせができる。
- タンブリングとスライディング。