例如:使用 Python 将流媒体数据传输至 Amazon S3 - Amazon Kinesis Data Analytics
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

例如:使用 Python 将流媒体数据传输至 Amazon S3

在本练习中,您将创建一个 Python Kinesis Data Analytics 应用程序,该应用程序将数据流式传输到 Amazon 简单存储服务

注意

要为本练习设置所需的先决条件,请先完成入门 (Python)练习。

创建相关资源

在为本练习创建 Kinesis Data Analytics 应用程序之前,请创建以下相关资源:

  • Kinesis 数据流 (ExampleInputStream

  • 用于存储应用程序代码和输出 (的 Amazon S3 存储段)ka-app-code-<username>

注意

在 Kinesis Data Analytics 上启用了服务器端加密的情况下,Apache Flink 的 Kinesis Data Analytics 无法将数据写入 Amazon S3。

您可以使用控制台创建 Kinesis 流和 Amazon S3 存储桶。有关创建这些资源的说明,请参阅以下主题:

  • 创建和更新数据流中的Amazon Kinesis Data Streams 开发人员指南. 将数据流命名为 ExampleInputStream

  • 如何创建 S3 存储桶?中的Amazon Simple Storage Service 用户指南. 附加您的登录名,以便为 Amazon S3 存储桶指定全局唯一的名称,例如。ka-app-code-<username>.

将示例记录写入输入流

在本节中,您使用 Python 脚本将示例记录写入流,以供应用程序处理。

注意

此部分需要 Amazon SDK for Python (Boto)

注意

本节中的 Python 脚本使用Amazon CLI. 你必须配置你的Amazon CLI以使用您的账户凭据和默认区域。配置您的Amazon CLI中,输入以下内容:

aws configure
  1. 使用以下内容创建名为 stock.py 的文件:

    import datetime import json import random import boto3 STREAM_NAME = "ExampleInputStream" def get_data(): return { 'EVENT_TIME': datetime.datetime.now().isoformat(), 'TICKER': random.choice(['AAPL', 'AMZN', 'MSFT', 'INTC', 'TBV']), 'PRICE': round(random.random() * 100, 2)} def generate(stream_name, kinesis_client): while True: data = get_data() print(data) kinesis_client.put_record( StreamName=stream_name, Data=json.dumps(data), PartitionKey="partitionkey") if __name__ == '__main__': generate(STREAM_NAME, boto3.client('kinesis'))
  2. 运行 stock.py 脚本:

    $ python stock.py

    在完成本教程的其余部分时,请将脚本保持运行状态。

下载并检查应用程序代码

此示例的 Python 应用程序代码可从 GitHub 获得。要下载应用程序代码,请执行以下操作:

  1. 如果尚未安装 Git 客户端,请安装它。有关更多信息,请参阅安装 Git

  2. 使用以下命令克隆远程存储库:

    git clone https://github.com/aws-samples/amazon-kinesis-data-analytics-java-examples
  3. 导航到 amazon-kinesis-data-analytics-java-examples/python/S3Sink目录。

应用程序代码位于 getting-started.py 文件中。请注意有关应用程序代码的以下信息:

  • 应用程序使用 Kinesis 表源从源流中进行读取。以下代码片段调用create_table函数来创建 Kinesis 表源代码:

    table_env.execute_sql( create_table(input_table_name, input_stream, input_region, stream_initpos) )

    这些区域有:create_table函数使用 SQL 命令创建由流源支持的表:

    def create_table(table_name, stream_name, region, stream_initpos): return """ CREATE TABLE {0} ( ticker VARCHAR(6), price DOUBLE, event_time TIMESTAMP(3), WATERMARK FOR event_time AS event_time - INTERVAL '5' SECOND ) PARTITIONED BY (ticker) WITH ( 'connector' = 'kinesis', 'stream' = '{1}', 'aws.region' = '{2}', 'scan.stream.initpos' = '{3}', 'sink.partitioner-field-delimiter' = ';', 'sink.producer.collection-max-count' = '100', 'format' = 'json', 'json.timestamp-format.standard' = 'ISO-8601' ) """.format( table_name, stream_name, region, stream_initpos )
  • 应用程序使用filesystem将记录发送到 Amazon S3 存储桶的连接器:

    def create_sink_table(table_name, bucket_name): return """ CREATE TABLE {0} ( ticker VARCHAR(6), price DOUBLE, event_time TIMESTAMP(3), WATERMARK FOR event_time AS event_time - INTERVAL '5' SECOND ) PARTITIONED BY (ticker) WITH ( 'connector'='filesystem', 'path'='s3a://{1}/', 'format'='csv', 'sink.partition-commit.policy.kind'='success-file', 'sink.partition-commit.delay' = '1 min' ) """.format( table_name, bucket_name)
  • 该应用程序使用 Kinesis Flink 连接器,来自亚马逊 kinesis-连接器/flink-2.12.jar文件。

压缩并上传 Apache Flink 流式处理 Python 代码

在本节中,您将应用程序代码上传到在中创建的 Amazon S3 存储桶。创建相关资源部分。

  1. 使用首选的压缩应用程序来压缩streaming-file-sink.pyflink-sql 连接器-kinesis_2.12-1.13.2.jar文件。命名存档myapp.zip.

  2. 在 Amazon S3 控制台中,选择ka-app-code-<username>存储桶,然后选择上传.

  3. 选择文件步骤中,选择添加文件。导航到您在上一步中创建的 myapp.zip 文件。

  4. 您无需更改该对象的任何设置,因此,请选择 Upload (上传)

您的应用程序代码现在存储在 Amazon S3 存储桶中,应用程序可以在其中访问代码。

创建并运行 Kinesis Data Analytics 应用程序

按照以下步骤,使用控制台创建、配置、更新和运行应用程序。

创建 应用程序

  1. 打开 Kinesis Data Analytics 控制台https://console.aws.amazon.com/kinesisanalytics.

  2. 在 Kinesis Data Analytics 仪表板上,选择创建分析应用.

  3. Kinesis Analytics – 创建应用程序页面上,提供应用程序详细信息,如下所示:

    • 对于 Application name (应用程序名称),输入 MyApplication

    • 对于 Runtime (运行时),请选择 Apache Flink

      注意

      Kinesis Data Analytics 使用 Apache Flink 版本 1.13.2。

    • 将版本下拉列表保留为使用 Apache Flink 版本 1.13.2(推荐版本).

  4. 对于访问权限,请选择 Create / update IAM role (创建/更新 IAM 角色) kinesis-analytics-MyApplication-us-west-2

  5. 选择 Create application(创建应用程序)。

注意

在使用控制台创建 Kinesis Data Analytics 应用程序时,您可以选择为应用程序创建 IAM 角色和策略。您的应用程序使用此角色和策略访问其从属资源。这些 IAM 资源使用您的应用程序名称和区域命名,如下所示:

  • 策略:kinesis-analytics-service-MyApplication-us-west-2

  • 角色:kinesis-analytics-MyApplication-us-west-2

配置应用程序

  1. MyApplication (我的应用程序) 页面上,选择 Configure (配置)

  2. Configure application (配置应用程序) 页面上,提供 Code location (代码位置)

    • 适用于Amazon S3 存储桶输入,ka-app-code-<username>.

    • 适用于Amazon S3 对象的路径输入,myapp.zip.

  3. Access to application resources (对应用程序的访问权限) 下,对于 Access permissions (访问权限),选择 Create / update IAM role (创建/更新 IAM 角色) kinesis-analytics-MyApplication-us-west-2

  4. UDR属性,选择添加组. 适用于Group ID (组 ID)输入,consumer.config.0.

  5. 输入以下应用程序属性和值:

    密钥
    input.stream.name ExampleInputStream
    aws.region us-west-2
    flink.stream.initpos LATEST

    选择 Save(保存)。

  6. UDR属性,选择添加组。适用于Group ID (组 ID)输入,kinesis.analytics.flink.run.options. 这个特殊的属性组告诉你的应用程序在哪里找到其代码资源。有关更多信息,请参阅 指定代码文件

  7. 输入以下应用程序属性和值:

    密钥
    python streaming-file-sink.py
    jarfile S3Sink/lib/flink-sql-connector-kinesis_2.12-1.13.2.jar
  8. UDR属性,选择添加组。适用于Group ID (组 ID)输入,sink.config.0. 这个特殊的属性组告诉你的应用程序在哪里找到其代码资源。有关更多信息,请参阅 指定代码文件

  9. 输入以下应用程序属性和值:(替换bucket-name使用您的 Amazon S3 存储桶的实际名称。)

    密钥
    output.bucket.name bucket-name
  10. Monitoring (监控) 下,确保 Monitoring metrics level (监控指标级别) 设置为 Application (应用程序)

  11. 对于 CloudWatch logging (CloudWatch 日志记录),选中启用复选框。

  12. 选择 Update(更新)。

注意

当你选择启用时 CloudWatch 日志记录时,Kinesis Data Analytics 将为您创建日志组和日志流。这些资源的名称如下所示:

  • 日志组:/aws/kinesis-analytics/MyApplication

  • 日志流:kinesis-analytics-log-stream

该日志流用于监控应用程序。这与应用程序用于发送结果的日志流不同。

编辑 IAM 策略

编辑 IAM 策略以添加访问 Kinesis 数据流的权限。

  1. 通过以下网址打开 IAM 控制台:https://console.aws.amazon.com/iam/

  2. 选择策略。选择控制台在上一部分中为您创建的 kinesis-analytics-service-MyApplication-us-west-2 策略。

  3. Summary (摘要) 页面上,选择 Edit policy (编辑策略)。请选择 JSON 选项卡。

  4. 将以下策略示例中突出显示的部分添加到策略中。将示例账户 ID (012345678901) 替换为您的账户 ID。

    { "Version": "2012-10-17", "Statement": [ { "Sid": "ReadCode", "Effect": "Allow", "Action": [ "s3:GetObject", "logs:DescribeLogGroups", "s3:GetObjectVersion" ], "Resource": [ "arn:aws:logs:us-west-2:012345678901:log-group:*", "arn:aws:s3:::ka-app-code-<username>/myapp.zip" ] }, { "Sid": "DescribeLogStreams", "Effect": "Allow", "Action": "logs:DescribeLogStreams", "Resource": "arn:aws:logs:us-west-2:012345678901:log-group:/aws/kinesis-analytics/MyApplication:log-stream:*" }, { "Sid": "PutLogEvents", "Effect": "Allow", "Action": "logs:PutLogEvents", "Resource": "arn:aws:logs:us-west-2:012345678901:log-group:/aws/kinesis-analytics/MyApplication:log-stream:kinesis-analytics-log-stream" }, { "Sid": "ListCloudwatchLogGroups", "Effect": "Allow", "Action": [ "logs:DescribeLogGroups" ], "Resource": [ "arn:aws:logs:us-west-2:012345678901:log-group:*" ] }, { "Sid": "ReadInputStream", "Effect": "Allow", "Action": "kinesis:*", "Resource": "arn:aws:kinesis:us-west-2:012345678901:stream/ExampleInputStream" }, { "Sid": "WriteObjects", "Effect": "Allow", "Action": [ "s3:Abort*", "s3:DeleteObject*", "s3:GetObject*", "s3:GetBucket*", "s3:List*", "s3:ListBucket", "s3:PutObject" ], "Resource": [ "arn:aws:s3:::ka-app-<username>", "arn:aws:s3:::ka-app-<username>/*" ] } ] }

运行应用程序

可以通过运行应用程序、打开 Apache Flink 控制面板并选择所需的 Flink 作业来查看 Flink 作业图。

你可以查看 Kinesis Data Analytics 指标 CloudWatch 以验证应用程序是否正常工作。

清理 Amazon 资源

本节包含清理在滑动窗口教程中创建的 Amazon 资源的过程。

删除 Kinesis Data Analytics 应用程序

  1. 打开 Kinesis Data Analytics 控制台https://console.aws.amazon.com/kinesisanalytics.

  2. 在 Kinesis Data Analytics 面板中,选择MyApplication.

  3. 在应用程序的页面中,选择 Delete (删除),然后确认删除。

删除 Kinesis 数据流

  1. 打开 Kinesis 控制台,网址为:https://console.aws.amazon.com/kinesis

  2. 在 Kinesis Data Streams 面板中,选择示例输入流.

  3. ExampleInputStream 页面中,选择 Delete Kinesis Stream,然后确认删除。

删除 Amazon S3 对象和存储桶

  1. 通过以下网址打开 Simple Storage Service(Amazon S3)控制台:https://console.aws.amazon.com/s3/

  2. 选择 ka-app-code-<username> 存储桶。

  3. 选择 Delete (删除),然后输入存储桶名称以确认删除。

删除 IAM 资源

  1. 通过以下网址打开 IAM 控制台:https://console.aws.amazon.com/iam/

  2. 在导航栏中,选择策略

  3. 在筛选条件控件中,输入 kinesis

  4. 选择 kinesis-analytics-service-MyApplication-<您的区域> 策略。

  5. 选择 Policy Actions (策略操作),然后选择 Delete (删除)

  6. 在导航栏中,选择 Roles(角色)

  7. 选择 kinesis-analytics-MyApplication-<您的区域> 角色。

  8. 选择 Delete role (删除角色),然后确认删除。

删除 CloudWatch 资源

  1. 打开 CloudWatch 控制台https://console.aws.amazon.com/cloudwatch/.

  2. 在导航栏中,选择 Logs (日志)

  3. 选择 /aws/kinesis-analytics/MyApplication 日志组。

  4. 选择 Delete Log Group (删除日志组),然后确认删除。