Caracter铆sticas de Kinesis Data Streams:
- Recopila y procesa grandes cantidades de stream de datos en tiempo real. Deben ser gigantescas cantidades de datos (TB, HB, con miles o millones de fuentes de informaci贸n que alimentan el servicio).
- Casos de uso: Procesamiento de logs, social media, market data feeds y web clickstream.
- Kinesis Data Streams nos permite hacer agregaciones en el proceso de informaci贸n; es decir, podemos juntar informaci贸n, agruparla y hacer ciertas actividades con dicha informaci贸n mientras es procesada.
As铆 est谩 compuesto Kinesis Data Streams:
- Data Record: Es la unidad de dato almacenada en Kinesis Data Streams.
- Retention period: El tiempo en que la informaci贸n se mantiene accesible despu茅s de ser agregada al stream. Es muy importante tener en cuenta que Kinesis Data Streams no es un servicio para almacenar informaci贸n, pero podemos contar con un periodo de retenci贸n, que por defecto es de 24 horas.
- Producer: Es el encargado de poner el Data Record en Kinesis Data Streams.
- Consumer: Toma los Data Records ya procesados de Kinesis Data Streams para alimentar otro sistema de informaci贸n.
- Shard: Es una secuencia de Data Records dentro de un stream. En la configuraci贸n de Kinesis, debemos especificar la cantidad de shards, y la cantidad de shard estar谩 determinada principalmente por la cantidad del flujo de informaci贸n que tengamos.
- Partition key: Se usa para agrupar la informaci贸n por shard dentro de un stream.
Es as铆 que Kinesis Data Streams se convierte en una parte fundamental de arquitecturas en tiempo real, arquitecturas en las cuales la necesidad principal es procesar millones de datos; se puede crecer N cantidad de shards y procesar de acuerdo a lo que permitan los shards en tama帽o.
Kinesis Data Stream nos brinda alta disponibilidad, redundancia y un performance muy alto para manejar grandes cantidades de datos en tiempo real.
驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?
o inicia sesi贸n.