認定Big Data勉強記 - 8: Amazon Kinesis

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
  • re:Invent 2018
  • Streaming ETL for Data Lakes using Amazon Kinesis Firehose - 2017 AWS Online Tech Talks
  • Real-Time Log Analytics using Amazon Kinesis and Amazon Elasticsearch Service
• 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。