Untuk proyek baru, kami menyarankan Anda menggunakan Managed Service baru untuk Apache Flink Studio melalui Kinesis Data Analytics untuk Aplikasi SQL. Layanan Terkelola untuk Apache Flink Studio menggabungkan kemudahan penggunaan dengan kemampuan analitis tingkat lanjut, memungkinkan Anda membangun aplikasi pemrosesan aliran yang canggih dalam hitungan menit.
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Riwayat Dokumen untuk Amazon Kinesis Data Analytics
Tabel berikut menjelaskan perubahan penting pada dokumentasi sejak rilis terakhir Amazon Kinesis Data Analytics.
Versi API: 2015-08-14
Pembaruan dokumentasi terbaru: 8 Mei 2019
| Perubahan | Deskripsi | Tanggal |
|---|---|---|
| Menandai Aplikasi Kinesis Data Analytics | Gunakan penandaan aplikasi untuk menentukan biaya per aplikasi, kontrol akses, atau untuk tujuan yang ditetapkan pengguna. Untuk informasi selengkapnya, lihat Menggunakan Penandaan. | 8 Mei 2019 |
| Mencatat Panggilan API Kinesis Data Analytics dengan AWS CloudTrail | Amazon Kinesis Data Analytics terintegrasi dengan AWS CloudTrail, layanan yang menyediakan catatan tindakan yang diambil oleh pengguna, peran, atau layanan AWS di Kinesis Data Analytics. Untuk informasi selengkapnya, lihat Menggunakan AWS CloudTrail. | 22 Maret 2019 |
| Kinesis Data Analytics tersedia di wilayah Frankfurt | Kinesis Analytics kini tersedia di wilayah Europe (Frankfurt) Region. Untuk informasi selengkapnya, lihatdan Endpoint: Kinesis Data Analytics. | 18 Juli 2018 |
| Gunakan data referensi di konsol | Anda sekarang dapat bekerja dengan data referensi aplikasi di konsol. Untuk informasi selengkapnya, lihat Contoh: Menambahkan Data Referensi ke Aplikasi Kinesis Data Analytics . | 13 Juli 2018 |
| Contoh kueri jendela | Contoh aplikasi untuk windows dan agregasi. Untuk informasi selengkapnya, lihat Contoh: Jendela dan Agregasi. | 9 Juli 2018 |
| Menguji aplikasi | Panduan pengujian perubahan skema dan kode aplikasi. Untuk informasi selengkapnya, lihat Menguji Aplikasi. | 3 Juli 2018 |
| Contoh aplikasi untuk prapemrosesan data | Sampel kode tambahan untuk operator REGEX_LOG_PARSE, REGEX_REPLACE, dan DateTime. Untuk informasi selengkapnya, lihat Contoh: Mengubah Data. | 18 Mei 2018 |
| Meningkatkan ukuran baris yang ditampilkan dan kode SQL | Batas ukuran untuk baris yang ditampilkan meningkat menjadi 512 KB, dan batas untuk ukuran kode SQL dalam aplikasi meningkat menjadi 100 KB. Untuk informasi selengkapnya, lihat Batas. | 2 Mei 2018 |
| Contoh fungsi AWS Lambda di Java dan .NET | Sampel kode untuk membuat fungsi Lambda untuk prapemrosesan catatan dan untuk tujuan aplikasi. Untuk informasi selengkapnya, lihat Membuat Fungsi Lambda untuk Prapemrosesan dan Membuat Fungsi Lambda untuk Tujuan Aplikasi. | 22 Maret 2018 |
Fungsi HOTSPOTS baru |
Temukan dan tampilkan informasi tentang wilayah yang relatif padat di data Anda. Untuk informasi selengkapnya, lihat Contoh: Mendeteksi Hotspot di Aliran (Fungsi HOTSPOTS). | 19 Maret 2018 |
| Fungsi Lambda sebagai tujuan | Kirim hasil analisis ke fungsi Lambda sebagai tujuan. Untuk informasi selengkapnya, lihat Menggunakan Fungsi Lambda sebagai Output. | 20 Desember 2017 |
Fungsi RANDOM_CUT_FOREST_WITH_EXPLANATION baru |
Dapatkan penjelasan tentang bidang apa yang berkontribusi pada skor anomali dalam aliran data. Untuk informasi selengkapnya, lihat Contoh: Mendeteksi Anomali Data dan Mendapatkan Penjelasan (Fungsi RANDOM_CUT_FOREST_WITH_EXPLANATION). | 2 November 2017 |
| Penemuan skema pada data statis | Jalankan penemuan skema pada data statis yang disimpan dalam bucket Amazon S3. Untuk informasi selengkapnya, lihat Menggunakan Fitur Penemuan Skema pada Data Statis. | 6 Oktober 2017 |
| Fitur prapemrosesan Lambda | Proses catatan terlebih dulu dalam aliran input dengan AWS Lambda sebelum analisis. Untuk informasi selengkapnya, lihat Memproses Data Terlebih Dulu Menggunakan Fungsi Lambda. | 6 Oktober 2017 |
| Menskalakan otomatis aplikasi | Secara otomatis tingkatkan throughput data aplikasi Anda dengan penskalaan otomatis. Untuk informasi selengkapnya, lihat Secara Otomatis Menskalakan Aplikasi untuk Meningkatkan Throughput. | 13 September 2017 |
| Beberapa aliran input dalam aplikasi | Tingkatkan throughput aplikasi dengan beberapa aliran dalam aplikasi. Untuk informasi selengkapnya, lihat Menyejajarkan Aliran Input untuk Peningkatan Throughput. | 29 Juni 2017 |
| Panduan menggunakan AWS Management Console untuk Kinesis Data Analytics | Edit skema dan kode SQL yang disimpulkan menggunakan editor skema dan editor SQL di konsol Kinesis Data Analytics. Untuk informasi selengkapnya, lihat Langkah 4 (Opsional) Edit Skema dan Kode SQL Menggunakan Konsol. | 7 April 2017 |
| Rilis publik | Rilis publik Panduan Developer Amazon Kinesis Data Analytics. | 11 Agustus, 2016 |
| Rilis pratinjau | Rilis pratinjau Panduan Developer Amazon Kinesis Data Analytics. | 29 Januari 2016 |
