ComeçarComece de graça

Inicio
Cursos
Streaming de dados com AWS Kinesis e Lambda

Análise de dados no fluxo

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este exercício faz parte do curso

Streaming de dados com AWS Kinesis e Lambda

AvançadoNível de habilidade

4.8+

Iniciar curso de graça

Neste primeiro capítulo, você aprenderá sobre as diferenças entre processamento em lote e em fluxo, criará seu primeiro fluxo, gerenciará suas permissões, gravará nele e lerá a partir dele.

Exercise 1: O que é streaming e por que ele é importante?Exercise 2: Lote vs. fluxo Exercise 3: Produtores e destinos Exercise 4: Gerenciar fluxos de fornecimento do Firehose Exercise 5: Preparando-se para a primeira transmissão Exercise 6: Criação de funções Exercise 7: IAM usuários vs. funções Exercise 8: Prática de permissões Exercise 9: Criação de bucket S3 Exercise 10: Trabalhando com o fluxo de entrega do Firehose Exercise 11: Crie seu primeiro fluxo do Firehose Exercise 12: Gravação em um fluxo do Firehose Exercise 13: Leitura de dados do Firehose

A próxima etapa da sua jornada de dados de streaming é aprender a usar funções lambda transformacionais para ficar sem servidor. Por meio de exercícios práticos, você adicionará camadas lambda e acionará funções lambda em condições específicas.

Exercise 1: Tornando-se sem servidor Exercise 2: Criar e executar funções Lambda Exercise 3: Sem servidor vs. servidores Exercise 4: Componentes da função lambda Exercise 5: Leitura de dados do S3 com base em um evento Exercise 6: Seu primeiro lambda ao vivo!Exercise 7: Adição de uma camada lambda Exercise 8: Fluxo lambda Exercise 9: Uso de variáveis de ambiente Exercise 10: Fluxo de trabalho de dados sem servidor Exercise 11: Lambdas rápidos versus lambdas lentos Exercise 12: Um lambda acionado por tempo Exercise 13: Código lambda acionado por tempo Exercise 14: Sem servidor APIs Exercise 15: Criar um lambda API Exercise 16: Um servidor sem servidor API

Agora você está pronto para codificar e decodificar dados de streaming e analisar dados diretamente no streaming. Você ainda usará vários fluxos para obter as velocidades máximas diárias dos veículos.

Exercise 1: Um Lambda transformacional Exercise 2: Transformação de dados em um fluxo Exercise 3: Codificação e decodificação de base64 Exercise 4: Criar um lambda transformacional Exercise 5: Um lambda transformacional básico Exercise 6: Análise de dados no fluxo

Exercício atual

Exercise 7: Criando um aplicativo de análise de dados do Kinesis Exercise 8: Análise de dados do Kinesis versus Lambda transformacional Exercise 9: Criação de um aplicativo de análise de dados do Kinesis Exercise 10: Análise de dados do Kinesis SQL componentes Exercise 11: Uso de vários fluxos Exercise 12: Fornecimento de dados do Kinesis Analytics Exercise 13: Obtenha a velocidade máxima diária Exercise 14: Usando a análise de dados do Kinesis para alertas

Neste capítulo final, você descobrirá como monitorar o desempenho do seu fluxo usando logs, métricas, alarmes e painéis. Você usará o Elasticsearch e criará seu próprio painel do Kibana.

Exercise 1: Estudo de caso de dados em fluxo contínuo Exercise 2: Criando um cluster do Elasticsearch Exercise 3: RedShift vs Elasticsearch Exercise 4: Monitoramento do desempenho Exercise 5: Alarmes e dasbhoards do Cloudwatch Exercise 6: Componentes do Cloudwatch Exercise 7: Fluxo de monitoramento do Cloudwatch Exercise 8: Visualização de dados de fluxo contínuo Exercise 9: Trabalhando com o ElasticSearch usando o Kibana Exercise 10: Cloudwatch vs Elasticsearch Exercise 11: Fluxo de visualização do Elasticsearch Exercise 12: Uma abordagem alternativa Exercise 13: Outra abordagem alternativa