步驟 1：建立輸入和輸出串流

為熱點範例建立 Amazon Kinesis Data Analytics 應用程式之前，您必須建立兩個 Kinesis 資料串流。將其中一個串流設定為應用程式的串流來源，另一個串流設定為 Kinesis Data Analytics 保留應用程式輸出的目的地。

步驟 1.1：建立 Kinesis 資料串流

在本節中，建立兩個 Kinesis 資料串流：ExampleInputStream 和 ExampleOutputStream。

使用主控台或 AWS CLI 建立資料串流。

• 如要使用主控台建立資料串流：

  1. 前往 https://console.aws.amazon.com/kinesis/ 登入 AWS Management Console 並開啟 Kinesis 主控台。

  2. 在導覽窗格中選擇 資料串流。

  3. 選擇建立 Kinesis 串流，然後建立內含一個名為 ExampleInputStream 的碎片之串流。

  4. 重複上一個步驟，以名為 ExampleOutputStream 的碎片建立串流。

• 使用 AWS CLI 建立資料串流：

  • 使用下列 Kinesis create-stream AWS CLI 命令建立串流 (ExampleInputStream 和 ExampleOutputStream)。若要建立應用程式用來寫入輸出的第二個串流，請執行相同的命令，並將串流名稱變更為 ExampleOutputStream。

    $ aws kinesis create-stream \
    --stream-name ExampleInputStream \
    --shard-count 1 \
    --region us-west-2 \
    --profile adminuser
                             
    $ aws kinesis create-stream \
    --stream-name ExampleOutputStream \
    --shard-count 1 \
    --region us-west-2 \
    --profile adminuser
                                        

步驟 1.2：將範例記錄寫入輸入串流

在此步驟中，執行 Python 程式碼以持續產生範例記錄，並將這些記錄寫入 ExampleInputStream 串流。

{"x": 7.921782426109737, "y": 8.746265312709893, "is_hot": "N"}
{"x": 0.722248626580026, "y": 4.648868803193405, "is_hot": "Y"}

1. 安裝 Python 與 pip。

   如需安裝 Python 的相關資訊，請參閱 Python 網站。

   您可以使用 Pip 安裝相依性。如需安裝 Pip 的詳細資訊，請參閱 pip 網站的安裝。

2. 執行以下 Python 程式碼。該程式碼會執行下列作業：

   • 在 (X, Y) 平面中的某個位置生成潛在熱點。

   • 為每個熱點產生一組 1,000 個點。在這些點中，20% 會叢集在熱點周圍。其餘部分會在整個空間內隨機產生。

   • put-record 命令會將 JSON 記錄寫入串流。

   重要

   請勿將此檔案上傳到 Web 伺服器，因為它包含您的 AWS 憑證。

    
   import json
   from pprint import pprint
   import random
   import time
   import boto3
   
   STREAM_NAME = "ExampleInputStream"
   
   
   def get_hotspot(field, spot_size):
       hotspot = {
           "left": field["left"] + random.random() * (field["width"] - spot_size),
           "width": spot_size,
           "top": field["top"] + random.random() * (field["height"] - spot_size),
           "height": spot_size,
       }
       return hotspot
   
   
   def get_record(field, hotspot, hotspot_weight):
       rectangle = hotspot if random.random() < hotspot_weight else field
       point = {
           "x": rectangle["left"] + random.random() * rectangle["width"],
           "y": rectangle["top"] + random.random() * rectangle["height"],
           "is_hot": "Y" if rectangle is hotspot else "N",
       }
       return {"Data": json.dumps(point), "PartitionKey": "partition_key"}
   
   
   def generate(
       stream_name, field, hotspot_size, hotspot_weight, batch_size, kinesis_client
   ):
       """
       Generates points used as input to a hotspot detection algorithm.
       With probability hotspot_weight (20%), a point is drawn from the hotspot;
       otherwise, it is drawn from the base field. The location of the hotspot
       changes for every 1000 points generated.
       """
       points_generated = 0
       hotspot = None
       while True:
           if points_generated % 1000 == 0:
               hotspot = get_hotspot(field, hotspot_size)
           records = [
               get_record(field, hotspot, hotspot_weight) for _ in range(batch_size)
           ]
           points_generated += len(records)
           pprint(records)
           kinesis_client.put_records(StreamName=stream_name, Records=records)
   
           time.sleep(0.1)
   
   
   if __name__ == "__main__":
       generate(
           stream_name=STREAM_NAME,
           field={"left": 0, "width": 10, "top": 0, "height": 10},
           hotspot_size=1,
           hotspot_weight=0.2,
           batch_size=10,
           kinesis_client=boto3.client("kinesis"),
       )
   

後續步驟

步驟 2：建立 Amazon Kinesis Data Analytics 應用程式