Paso 2: Creación de una aplicación - Guía para desarrolladores de Amazon Kinesis Data Analytics para aplicaciones SQL

Para proyectos nuevos, le recomendamos que utilice el nuevo Kinesis Data Analytics Studio en lugar de Kinesis Data Analytics para aplicaciones SQL. Kinesis Data Analytics Studio combina la facilidad de uso con funciones analíticas avanzadas, lo que le permite crear sofisticadas aplicaciones de procesamiento de transmisiones en minutos.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Paso 2: Creación de una aplicación

En esta sección, cree una aplicación de Amazon Kinesis Data Analytics de la siguiente manera:

  • Configure la entrada de la aplicación para usar la transmisión de datos de Kinesis que creó enPaso 1: Preparecomo el origen de streaming.

  • Utilice la plantilla Anomaly Detection (Detección de anomalías) en la consola.

Para crear una aplicación

  1. Siga los pasos 1, 2 y 3 de Kinesis Data AnalyticsIntroducciónejercicio (consultePaso 3.1: Creación de una aplicación).

    • En la configuración fuente, haga lo siguiente:

      • Especifique el origen de streaming que ha creado en la sección anterior.

      • Después de que la consola infiera el esquema, edite este y establezca el tipo de columna de heartRate en INTEGER.

        La mayor parte de los valores de la frecuencia cardíaca son normales y el proceso de detección probablemente asignará el tipo TINYINT a esta columna. Pero un pequeño porcentaje de valores muestran una frecuencia cardíaca alta. Si estos valores altos no caben en elTINYINT, Kinesis Data Analytics envía estas filas a una secuencia de errores. Actualice el tipo de datos a INTEGER para que pueda adaptarse a todos los datos de frecuencia cardíaca que se han generado.

    • Utilice la plantilla Anomaly Detection (Detección de anomalías) en la consola. A continuación, actualice el código de la plantilla para proporcionar el nombre de columna apropiado.

  2. Actualice el código de la aplicación al proporcionar los nombres de columnas. El código de la aplicación resultante se muestra a continuación (pegue este código en el editor de SQL):

    --Creates a temporary stream. CREATE OR REPLACE STREAM "TEMP_STREAM" ( "heartRate" INTEGER, "rateType" varchar(20), "ANOMALY_SCORE" DOUBLE); --Creates another stream for application output. CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" ( "heartRate" INTEGER, "rateType" varchar(20), "ANOMALY_SCORE" DOUBLE); -- Compute an anomaly score for each record in the input stream -- using Random Cut Forest CREATE OR REPLACE PUMP "STREAM_PUMP" AS INSERT INTO "TEMP_STREAM" SELECT STREAM "heartRate", "rateType", ANOMALY_SCORE FROM TABLE(RANDOM_CUT_FOREST( CURSOR(SELECT STREAM * FROM "SOURCE_SQL_STREAM_001"))); -- Sort records by descending anomaly score, insert into output stream CREATE OR REPLACE PUMP "OUTPUT_PUMP" AS INSERT INTO "DESTINATION_SQL_STREAM" SELECT STREAM * FROM "TEMP_STREAM" ORDER BY FLOOR("TEMP_STREAM".ROWTIME TO SECOND), ANOMALY_SCORE DESC;

  3. Ejecute el código SQL y revise los resultados en la consola de Kinesis Data Analytics:

    
                            Imagen de pantalla de la consola que muestra la pestaña de análisis en tiempo real con los datos resultantes en la secuencia en la aplicación.

Paso siguiente

Paso 3: Configure la salida de aplicaciones