京公网安备 11010802034615号
经营许可证编号:京B2-20210330
亚马逊推出最新大量数据分析工具Kinesis
近日据了解,Amazon Web Services希望企业在有大量数据需要分析时使用其最新的服务工具,这款产品被命名为Kinesis。Kinesis被设计用来管理分析实时数据, 在上个月首次推出预览版,现已推出公测版。亚马逊方面称,它能收集和处理包括服务器日志和社交媒体等资源的海量数据信息。
和许多Amazon的其他托管服务相同,企业不必担心为了获取和存储的实时数据而配备、部署和维护硬件与软件。 Kinesis同时在三个设施中复制信息以提高可用性和数据持久性。
亚马逊看到了Kinesis的一些使用案例:该服务可以收集由应用程序产生的数据流,并使其可以识别资料库、页面浏览量或资源利用率。 Kinesis还可以收集和分析实时的财务信息,或帮助游戏开发者获知玩家们是如何进行游戏、以及与其他玩家互动的。
Kinesis的基本概念是数据流的送入与输出。 每个数据流由“碎片”组成。 “碎片”每秒最多可以收集1MB的数据和1000处理信息。当应用连接到该服务的时候能够以高达每秒2MB的读取速度从每个“碎片”中读取信息。
决定所需“碎片”的数量是配置过程的第一步——Kinesis控制台包括一个向导来辅助用户进行配置。 如果某个数据流不具备所有发送给其处理的信息的容量,数据将被延迟处理或者丢弃。 IT人员可以通过拆分或合并“碎片”来动态调整数据流,甚至是在其正在被使用的时候。 根据亚马逊发布的常见问题解答中,调整一个给定的数据流一次需要几秒钟的时间,并且一次只能调整一个流。
该服务的另一个重要组成部分是Kinesis客户库,它在需要按照逻辑处理数据的应用程序与Kinesis服务之间起到媒介作用。另外,每个Kinesis应用程序都有一个唯一的名称,并只运行在一个特定的流上。 该客户库是目前在Java平台可用。亚马逊正在计划增加它对其它语言的支持
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06