אנו חיים בעידן של נתונים ותובנות בזמן אמת, המונעים על ידי יישומי הזרמת נתונים עם אחזור נמוך. כיום, כולם מצפים לחוויה מותאמת אישית בכל אפליקציה, וארגונים מחדשים כל הזמן כדי להגביר את מהירות הפעולה העסקית וקבלת ההחלטות שלהם. נפח הנתונים הרגישים לזמן המיוצר גדל במהירות, כאשר פורמטים שונים של נתונים מוצגים בעסקים חדשים ובמקרי שימוש של לקוחות. לכן, חיוני לארגונים לאמץ תשתית הזרמת נתונים עם אחזור נמוך, מדרגיות ואמינה כדי לספק יישומים עסקיים בזמן אמת וחוויות לקוח טובות יותר.
זהו הפוסט הראשון לסדרת בלוגים המציעה דפוסים ארכיטקטוניים נפוצים בבניית תשתיות הזרמת נתונים בזמן אמת באמצעות Kinesis Data Streams עבור מגוון רחב של מקרי שימוש. מטרתו היא לספק מסגרת ליצירת יישומי סטרימינג עם אחזור נמוך בענן AWS באמצעות זרמי נתונים של אמזון קינסי ו שירותי ניתוח נתונים ייעודיים של AWS.
בפוסט זה, נסקור את הדפוסים הארכיטקטוניים הנפוצים של שני מקרי שימוש: ניתוח נתונים מסדרת זמן ושירותי מיקרו מונעי אירועים. בפוסט הבא בסדרה שלנו, נחקור את הדפוסים הארכיטקטוניים בבניית צינורות זרימה עבור לוחות מחוונים של BI בזמן אמת, סוכן מרכז קשר, נתוני חשבונות, המלצה אישית בזמן אמת, ניתוח יומנים, נתוני IoT, לכידת נתונים שינויים ואמיתיים -נתוני שיווק בזמן. כל דפוסי הארכיטקטורה הללו משולבים עם זרמי נתונים של Amazon Kinesis.
הזרמה בזמן אמת עם זרמי נתונים של Kinesis
Amazon Kinesis Data Streams הוא שירות זרימת נתונים ממקור ענן ללא שרת, המקל על לכידה, עיבוד ואחסון של נתונים בזמן אמת בכל קנה מידה. עם Kinesis Data Streams, אתה יכול לאסוף ולעבד מאות גיגה-בייט של נתונים בשנייה ממאות אלפי מקורות, מה שמאפשר לך לכתוב בקלות יישומים שמעבדים מידע בזמן אמת. הנתונים שנאספו זמינים באלפיות שניות כדי לאפשר מקרי שימוש בניתוח בזמן אמת, כגון לוחות מחוונים בזמן אמת, זיהוי אנומליות בזמן אמת ותמחור דינמי. כברירת מחדל, הנתונים בתוך זרם הנתונים של Kinesis נשמרים למשך 24 שעות עם אפשרות להגדיל את שמירת הנתונים ל-365 ימים. אם לקוחות רוצים לעבד את אותם נתונים בזמן אמת עם מספר יישומים, אז הם יכולים להשתמש בתכונת ה-Enhanced Fan-Out (EFO). לפני תכונה זו, כל אפליקציה שצורכת נתונים מהזרם שיתפה את הפלט של 2MB/שנייה/רסיס. על ידי קביעת תצורה של צרכני זרמים לשימוש מאוורר משופר, כל צרכן נתונים מקבל צינור ייעודי של 2MB/שנייה של תפוקת קריאה לכל רסיס כדי להפחית עוד יותר את זמן האחזור באחזור הנתונים.
לזמינות ועמידות גבוהות, Kinesis Data Streams משיג עמידות גבוהה על ידי שכפול סינכרוני של הנתונים המוזרמים על פני שלושה אזורי זמינות באזור AWS ונותן לך אפשרות לשמור נתונים עד 365 ימים. מטעמי אבטחה, Kinesis Data Streams מספקים הצפנה בצד השרת כך שתוכל לעמוד בדרישות קפדניות של ניהול נתונים על ידי הצפנת הנתונים שלך במנוחה ונקודות קצה של ממשק Amazon Virtual Private Cloud (VPC) כדי לשמור על התעבורה בין Amazon VPC ל-Kinesis Data Streams פרטית.
ל-Kinesis Data Streams יש אינטגרציות מקוריות עם שירותי AWS אחרים כגון דבק AWS ו אמזון EventBridge לבנות יישומי סטרימינג בזמן אמת ב-AWS. עיין באינטגרציות של אמזון Kinesis Data Streams לפרטים נוספים.
ארכיטקטורת הזרמת נתונים מודרנית עם Kinesis Data Streams
ניתן לעצב ארכיטקטורת נתונים זרימה מודרנית עם Kinesis Data Streams כמחסנית של חמש שכבות לוגיות; כל שכבה מורכבת ממספר רכיבים ייעודיים הנותנים מענה לדרישות ספציפיות, כפי שמוצג בתרשים הבא:
הארכיטקטורה מורכבת ממרכיבי המפתח הבאים:
- מקורות סטרימינג - המקור לזרימת הנתונים שלך כולל מקורות נתונים כמו נתוני קליקים, חיישנים, מדיה חברתית, מכשירי אינטרנט של הדברים (IoT), קובצי יומן שנוצרו על ידי שימוש באפליקציות האינטרנט והנייד שלך ומכשירים ניידים שמייצרים נתונים מובנים למחצה ולא מובנים כזרמים רציפים במהירות גבוהה.
- הזרמת זרם – שכבת הטמעת הזרם אחראית להטמעת נתונים לתוך שכבת אחסון הזרם. הוא מספק את היכולת לאסוף נתונים מעשרות אלפי מקורות נתונים ולהטמיע אותם בזמן אמת. אתה יכול להשתמש ב קינסיס SDK להטמעת נתונים זורמים דרך ממשקי API, ה ספריית מפיק Kinesis לבניית יצרני סטרימינג בעלי ביצועים גבוהים וארוכי טווח, או א סוכן קינסיס לאיסוף קבוצת קבצים והכנסתם ל-Kinesis Data Streams. בנוסף, אתה יכול להשתמש בהרבה אינטגרציות טרום-בנייה כגון שירות העברת מסדי נתונים של AWS (AWS DMS), אמזון דינמו, ו ליבת IoT של AWS להטמיע נתונים בצורה ללא קוד. אתה יכול גם להטמיע נתונים מפלטפורמות של צד שלישי כגון Apache Spark ו- Apache Kafka Connect
- אחסון זרם - Kinesis Data Streams מציעים שני מצבים לתמיכה בתפוקת הנתונים: לפי דרישה ו-Provisioned. מצב לפי דרישה, כעת ברירת המחדל, יכול לשנות את קנה המידה בצורה גמישה כדי לספוג תפוקות משתנות, כך שלקוחות לא יצטרכו לדאוג לגבי ניהול קיבולת ולשלם לפי תפוקת נתונים. מצב On-Demand מגדיל באופן אוטומטי פי 2 את קיבולת הזרם על קליטת הנתונים המקסימלית ההיסטורית שלו כדי לספק קיבולת מספקת עבור עליות בלתי צפויות בהטמעת הנתונים. לחלופין, לקוחות שרוצים שליטה מפורטת על משאבי זרם יכולים להשתמש במצב מוקצה ולהגדיל ולהקטין באופן יזום את מספר ה-Shards כדי לעמוד בדרישות התפוקה שלהם. בנוסף, Kinesis Data Streams יכולים לאחסן נתוני סטרימינג עד 24 שעות כברירת מחדל, אך יכולים להתארך ל-7 ימים או 365 ימים בהתאם למקרי שימוש. יישומים מרובים יכולים לצרוך את אותו זרם.
- עיבוד זרם - שכבת עיבוד הזרם אחראית על הפיכת נתונים למצב מתכלה באמצעות אימות נתונים, ניקוי, נורמליזציה, טרנספורמציה והעשרה. רשומות הסטרימינג נקראות לפי סדר הפקתם, מה שמאפשר ניתוח בזמן אמת, בניית יישומים מונעי אירועים או הזרמת ETL (חילוץ, טרנספורמציה וטעינה). אתה יכול להשתמש שירות מנוהל אמזון עבור Apache Flink לעיבוד נתונים זרם מורכב, AWS למבדה עבור עיבוד נתונים זרם חסר מדינה, ו דבק AWS & אמזון EMR לחישוב כמעט בזמן אמת. אתה יכול גם לבנות אפליקציות צרכניות מותאמות עם ספריית צרכנות קינסיס, שיטפל במשימות מורכבות רבות הקשורות למחשוב מבוזר.
- יעד – שכבת היעד היא כמו יעד שנבנה בהתאם למקרה השימוש שלך. אתה יכול להזרים נתונים ישירות אל האדום של אמזון לאחסון נתונים ואמזון EventBridge לבניית יישומים מונעי אירועים. אתה יכול גם להשתמש צינור אש נתונים של אמזון קינסי לאינטגרציה של סטרימינג שבו אתה יכול עיבוד זרמים קל עם AWS Lambda, ולאחר מכן להעביר סטרימינג מעובד ליעדים כמו אמזון S3 data lake, OpenSearch Service לניתוח תפעולי, מחסן נתונים Redshift, מסדי נתונים ללא SQL כמו Amazon DynamoDB ומסדי נתונים יחסיים כמו אמזון RDS לצרוך זרמים בזמן אמת לתוך יישומים עסקיים. היעד יכול להיות אפליקציה מונעת אירועים עבור לוחות מחוונים בזמן אמת, החלטות אוטומטיות המבוססות על נתוני סטרימינג מעובדים, שינוי בזמן אמת ועוד.
ארכיטקטורת אנליטיקה בזמן אמת לסדרות זמן
נתוני סדרת זמן הם רצף של נקודות נתונים שנרשמו על פני מרווח זמן למדידת אירועים המשתנים לאורך זמן. דוגמאות לכך הן מחירי מניות לאורך זמן, זרמי קליקים של דפי אינטרנט ויומני מכשירים לאורך זמן. לקוחות יכולים להשתמש בנתוני סדרות זמן כדי לנטר שינויים לאורך זמן, כך שהם יכולים לזהות חריגות, לזהות דפוסים ולנתח כיצד משתנים מסוימים מושפעים לאורך זמן. נתוני סדרות זמן נוצרים בדרך כלל ממקורות מרובים בנפחים גבוהים, ויש לאסוף אותם בצורה חסכונית כמעט בזמן אמת.
בדרך כלל, ישנם שלושה יעדים עיקריים שלקוחות רוצים להשיג בעיבוד נתוני סדרות זמן:
- קבל תובנות בזמן אמת לגבי ביצועי המערכת וזיהוי חריגות
- הבן את התנהגות משתמש הקצה כדי לעקוב אחר מגמות ולבצע שאילתות/לבנות הדמיות מהתובנות הללו
- יש לך פתרון אחסון עמיד להטמעה ואחסון של נתונים ארכיוניים ונתונים שנגישים אליהם לעתים קרובות.
עם Kinesis Data Streams, לקוחות יכולים ללכוד ברציפות טרה-בייט של נתוני סדרות זמן מאלפי מקורות לניקוי, העשרה, אחסון, ניתוח והדמיה.
דפוס הארכיטקטורה הבא ממחיש כיצד ניתן להשיג ניתוח בזמן אמת עבור נתונים מסדרת זמן עם זרמי נתונים של Kinesis:
שלבי זרימת העבודה הם כדלקמן:
- קליטת נתונים ואחסון - Kinesis Data Streams יכולים ללכוד ולאחסן ללא הרף טרה-בייט של נתונים מאלפי מקורות.
- עיבוד זרם - אפליקציה שנוצרה עם שירות מנוהל אמזון עבור Apache Flink יכול לקרוא את הרשומות מזרם הנתונים כדי לזהות ולנקות שגיאות כלשהן בנתוני סדרת הזמן ולהעשיר את הנתונים במטא נתונים ספציפיים כדי לייעל את הניתוח התפעולי. שימוש בזרם נתונים באמצע מספק את היתרון של שימוש בנתוני סדרת הזמן בתהליכים ופתרונות אחרים בו זמנית. לאחר מכן מופעלת פונקציית Lambda עם אירועים אלה, והיא יכולה לבצע חישובי סדרות זמן בזיכרון.
- יעדים - לאחר ניקוי והעשרה, ניתן להזרים את נתוני סדרות הזמן המעובדות חלון הזמנים של אמזון מסד נתונים עבור לוח מחוונים וניתוח בזמן אמת, או מאוחסן במסדי נתונים כגון DynamoDB עבור שאילתת משתמש קצה. ניתן להזרים את הנתונים הגולמיים לאמזון S3 לצורך ארכיון.
- ויזואליזציה וקבלת תובנות - לקוחות יכולים לבצע שאילתות, לדמיין וליצור התראות באמצעות שירות מנוהל אמזון עבור גרפאנה. Grafana תומך במקורות נתונים המהווים קצה אחורי של אחסון עבור נתוני סדרות זמן. כדי לגשת לנתונים שלך מ-Timestream, עליך להתקין את התוסף Timestream עבור Grafana. משתמשי קצה יכולים לבצע שאילתות נתונים מטבלת DynamoDB באמצעות שער API של אמזון פועל כמיופה כוח.
עיין ליד עיבוד בזמן אמת עם Amazon Kinesis, Amazon Timestream ו-Grafana הצגת צינור זרימה ללא שרת לעיבוד ואחסון נתוני IoT של טלמטריית מכשירים במאגר נתונים מותאם לסדרות זמן כגון Amazon Timestream.
העשרה והשמעה חוזרת של נתונים בזמן אמת עבור שירותי מיקרו-סורסינג לאירועים
Microservices הם גישה ארכיטקטונית וארגונית לפיתוח תוכנה שבה תוכנה מורכבת משירותים עצמאיים קטנים המתקשרים על פני ממשקי API מוגדרים היטב. בעת בניית מיקרו-שירותים מונעי אירועים, לקוחות רוצים להשיג 1. מדרגיות גבוהה לטיפול בנפח האירועים הנכנסים ו-2. אמינות עיבוד אירועים ותחזוק פונקציונליות המערכת מול כשלים.
לקוחות משתמשים בדפוסי ארכיטקטורת מיקרו-שירותים כדי להאיץ חדשנות וזמן יציאה לשוק עבור תכונות חדשות, מכיוון שזה הופך יישומים לקלים יותר להרחבה ולפיתוח מהיר יותר. עם זאת, זה מאתגר להעשיר ולהפעיל מחדש את הנתונים בשיחת רשת למיקרו-שירות אחר מכיוון שזה יכול להשפיע על מהימנות האפליקציה ולהקשות על ניפוי באגים ומעקב אחר שגיאות. כדי לפתור בעיה זו, מיקור אירועים הוא דפוס עיצוב יעיל המרכז את הרשומות ההיסטוריות של כל שינויי המדינה לצורך העשרה ושידור חוזר, ומנתק קריאה מעומסי עבודה של כתיבה. לקוחות יכולים להשתמש ב-Kinesis Data Streams כחנות האירועים המרכזית עבור מיקרו-שירותי מיקור אירועים, מכיוון ש-KDS יכול לטפל ב-1/2 גיגה-בייט של תפוקת נתונים לשנייה לכל זרם ולהזרים את הנתונים באלפיות שניות, כדי לעמוד בדרישה של מדרגיות גבוהה וכמעט בזמן אמת. חביון, 3/ להשתלב עם Flink ו-S3 להעשרת נתונים והשגת אותם תוך ניתוק מוחלט משירותי המיקרו, ו-24/ לאפשר ניסיון חוזר וקריאה אסינכרונית במועד מאוחר יותר, מכיוון ש-KDS שומר על רשומת הנתונים לברירת מחדל של 365 שעות, ובאופן אופציונלי עד XNUMX ימים.
הדפוס הארכיטקטוני הבא הוא המחשה כללית של האופן שבו ניתן להשתמש בזרמי נתונים של Kinesis עבור שירותי מיקרו-סורסינג לאירועים:
השלבים בתהליך העבודה הם כדלקמן:
- קליטת נתונים ואחסון - אתה יכול לצבור את הקלט משירותי המיקרו שלך לזרמי הנתונים של Kinesis לאחסון.
- עיבוד זרם - Apache Flink Stateful Functions מפשט בניית יישומים מבוזרים מונעי אירועים. הוא יכול לקבל את האירועים מזרם נתונים של Kinesis קלט ולנתב את הזרם המתקבל לזרם נתוני פלט. אתה יכול ליצור אשכול פונקציות מצב עם Apache Flink בהתבסס על ההיגיון העסקי של היישום שלך.
- תמונת מצב באמזון S3 - אתה יכול לאחסן את תמונת המצב באמזון S3 למעקב.
- זרמי פלט - ניתן לצרוך את זרמי הפלט באמצעות פונקציות מרחוק של Lambda באמצעות פרוטוקול HTTP/gRPC דרך API Gateway.
- פונקציות שלט למבדה - פונקציות Lambda יכולות לשמש כשירותי מיקרו עבור אפליקציות והיגיון עסקי שונים כדי לשרת יישומים עסקיים ואפליקציות ניידות.
כדי ללמוד כיצד לקוחות אחרים בנו את שירותי המיקרו מבוססי האירועים שלהם עם Kinesis Data Streams, עיין בפרטים הבאים:
שיקולים מרכזיים ושיטות עבודה מומלצות
להלן שיקולים ושיטות עבודה מומלצות שכדאי לזכור:
- גילוי נתונים צריך להיות הצעד הראשון שלך בבניית יישומי הזרמת נתונים מודרניים. עליך להגדיר את הערך העסקי ולאחר מכן לזהות את מקורות הנתונים הזורמים ואת דמות המשתמש שלך כדי להשיג את התוצאות העסקיות הרצויות.
- בחר בכלי להטמעת נתונים זורם על סמך מקור הנתונים המהביל שלך. לדוגמה, אתה יכול להשתמש ב- קינסיס SDK להטמעת נתונים זורמים דרך ממשקי API, ה ספריית מפיק Kinesis לבניית מפיקי סטרימינג בעלי ביצועים גבוהים וותיקים, א סוכן קינסיס לאיסוף קבוצה של קבצים והכנסתם ל-Kinesis Data Streams, AWS DMS עבור מקרי שימוש בהזרמת CDC, ו ליבת IoT של AWS להטמעת נתוני מכשירי IoT לתוך Kinesis Data Streams. אתה יכול להטמיע נתונים סטרימינג ישירות לתוך Amazon Redshift כדי לבנות יישומי סטרימינג עם אחזור נמוך. אתה יכול גם להשתמש בספריות של צד שלישי כמו Apache Spark ו- Apache Kafka כדי להטמיע נתונים זורמים לתוך Kinesis Data Streams.
- אתה צריך לבחור את שירותי עיבוד הנתונים הזורמים שלך על סמך מקרה השימוש הספציפי שלך והדרישות העסקיות שלך. לדוגמה, אתה יכול להשתמש בשירות Amazon Kinesis Managed עבור Apache Flink עבור מקרי שימוש מתקדמים בסטרימינג עם יעדי סטרימינג מרובים ועיבוד זרמים מורכב או אם אתה רוצה לנטר מדדים עסקיים בזמן אמת (כגון כל שעה). למבדה טובה לעיבוד מבוסס אירועים וחסר מדינה. אתה יכול להשתמש אמזון EMR לעיבוד נתונים בהזרמת שימוש במסגרות Big Data האהובות עליך בקוד פתוח. AWS Glue טוב לעיבוד נתונים בהזרמת נתונים כמעט בזמן אמת למקרי שימוש כמו הזרמת ETL.
- Kinesis Data Streams מצב על פי דרישה גובה חיובים לפי שימוש ומגדיל אוטומטית את קיבולת המשאבים, כך שזה טוב לעומסי עבודה של זרימה קפיצית ולתחזוקה ללא ידיים. מצב מסודר גובה תשלום לפי קיבולת ודורש ניהול קיבולת פרואקטיבי, כך שהוא טוב לעומסי עבודה של סטרימינג צפויים.
- אתה יכול להשתמש ב מחשבון משותף Kinesis כדי לחשב את מספר הרסיסים הדרושים למצב הקצאה. אינך צריך להיות מודאג לגבי רסיסים במצב לפי דרישה.
- בעת מתן הרשאות, אתה מחליט מי מקבל אילו הרשאות לאילו משאבי Kinesis Data Streams. אתה מאפשר פעולות ספציפיות שאתה רוצה לאפשר במשאבים אלה. לכן, עליך להעניק רק את ההרשאות הנדרשות לביצוע משימה. אתה יכול גם להצפין את הנתונים במצב מנוחה באמצעות מפתח מנוהל על ידי KMS (CMK).
- אתה יכול לעדכן את תקופת השמירה דרך קונסולת Kinesis Data Streams או באמצעות הגדל את תקופת שימור הזרם ו הקטן את תקופת שימור הזרם פעולות המבוססות על מקרי השימוש הספציפיים שלך.
- Kinesis Data Streams תומך חלוקה מחדש. ה-API המומלץ עבור פונקציה זו הוא UpdateShardCount, המאפשר לך לשנות את מספר הרסיסים בזרם שלך כדי להתאים לשינויים בקצב זרימת הנתונים בזרם. ממשקי API לחלוקה מחדש (פיצול ומיזוג) משמשים בדרך כלל לטיפול ברסיסים חמים.
סיכום
פוסט זה הדגים דפוסים ארכיטקטוניים שונים לבניית יישומי סטרימינג עם אחזור נמוך עם Kinesis Data Streams. אתה יכול לבנות יישומי קיטור משלך עם זמן אחזור נמוך עם Kinesis Data Streams באמצעות המידע בפוסט זה.
לקבלת דפוסים אדריכליים מפורטים, עיין במשאבים הבאים:
אם אתה רוצה לבנות חזון ואסטרטגיה נתונים, בדוק את הכל מונחה נתונים של AWS תוכנית (D2E).
על הכותבים
ראגוואראו סודאבאתינה הוא ארכיטקט פתרונות ראשי ב-AWS, המתמקד בניתוח נתונים, AI/ML ואבטחת ענן. הוא מתקשר עם לקוחות כדי ליצור פתרונות חדשניים המטפלים בבעיות עסקיות של לקוחות ולהאיץ את האימוץ של שירותי AWS. בזמנו הפנוי, רג'וואראו נהנה לבלות עם משפחתו, לקרוא ספרים ולצפות בסרטים.
תלו את זואו הוא מנהל מוצר בכיר בצוות אמזון Kinesis Data Streams בשירותי האינטרנט של Amazon. הוא נלהב לפיתוח חוויות מוצר אינטואיטיביות הפותרות בעיות מורכבות של לקוחות ומאפשרות ללקוחות להשיג את המטרות העסקיות שלהם.
שוותה רדהקרישנן הוא ארכיטקט פתרונות עבור AWS עם התמקדות ב-Data Analytics. היא בנתה פתרונות שמניעים אימוץ בענן ומסייעים לארגונים לקבל החלטות מונעות נתונים במגזר הציבורי. מחוץ לעבודה, היא אוהבת לרקוד, לבלות עם חברים ובני משפחה ולטייל.
בריטני לי הוא אדריכל פתרונות ב-AWS. היא מתמקדת בסיוע ללקוחות ארגוניים במסע האימוץ והמודרניזציה שלהם בענן ויש לה עניין בתחום האבטחה והאנליטיקה. מחוץ לעבודה, היא אוהבת לבלות עם הכלב שלה ולשחק כדור פיקסל.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/big-data/architectural-patterns-for-real-time-analytics-using-amazon-kinesis-data-streams-part-1/
- :יש ל
- :הוא
- :לֹא
- :איפה
- $ למעלה
- 1
- 100
- 24
- 7
- a
- יכולת
- אודות
- להאיץ
- גישה
- נצפה
- להשיג
- הושג
- משיגה
- השגתי
- לרוחב
- לפעול
- משחק
- פעולות
- להסתגל
- תוספת
- נוסף
- בנוסף
- כתובת
- אימוץ
- מתקדם
- יתרון
- לאחר
- גיל
- סוֹכֵן
- לְקַבֵּץ
- AI / ML
- מטרות
- התראות
- תעשיות
- להתיר
- מאפשר
- מאפשר
- גם
- אמזון בעברית
- אמזון קינסי
- חלון הזמנים של אמזון
- אמזון שירותי אינטרנט
- an
- אנליזה
- ניתוח
- לנתח
- ו
- גילוי חריגות
- אחר
- כל
- אַפָּשׁ
- אפאצ'י קפקא
- אפאצ 'י ספארק
- API
- ממשקי API
- בקשה
- יישומים
- גישה
- אפליקציות
- אדריכלי
- ארכיטקטורה
- ARE
- AS
- המשויך
- At
- מכני עם סלילה אוטומטית
- באופן אוטומטי
- זמינות
- זמין
- AWS
- דבק AWS
- AWS למבדה
- מבוסס
- BE
- כי
- היה
- התנהגות
- להיות
- הטוב ביותר
- שיטות עבודה מומלצות
- מוטב
- בֵּין
- גָדוֹל
- נתונים גדולים
- בלוג
- ספרים
- שניהם
- לִבנוֹת
- בִּניָן
- נבנה
- עסקים
- יישומים עסקיים
- עסקים
- אבל
- by
- לחשב
- שיחה
- CAN
- קיבולת
- ללכוד
- אשר
- מקרה
- מקרים
- ה-CDC
- מרכז
- מְרוּכָּז
- מסוים
- אתגר
- שינוי
- שינויים
- חיובים
- לבדוק
- בחירה
- בחרו
- לְנַקוֹת
- ניקוי
- ענן
- אימוץ ענן
- אבטחת ענן
- אשכול
- לגבות
- איסוף
- Common
- להעביר
- לחלוטין
- מורכב
- רכיבים
- מורכב
- לחשב
- מחשוב
- מודאג
- תצורה
- שיקולים
- מורכב
- קונסול
- תמיד
- לצרוך
- מאוכל
- צרכן
- צרכנים
- צור קשר
- מוקדי שירות
- רציף
- ברציפות
- לִשְׁלוֹט
- לִיצוֹר
- נוצר
- קריטי
- לקוח
- לקוחות
- אישית
- רוקד
- לוחות מחוונים
- נתונים
- ניתוח נתונים
- ניתוח נתונים
- העשרת נתונים
- אגם דאטה
- ניהול נתונים
- נקודות מידע
- עיבוד נתונים
- מחסן נתונים
- נתונים מונחים
- מסד נתונים
- מאגרי מידע
- ימים
- להחליט
- החלטה
- קבלת החלטות
- החלטות
- מנותקת
- מוקדש
- בְּרִירַת מֶחדָל
- לְהַגדִיר
- למסור
- מופגן
- תלוי
- עיצוב
- מעוצב
- רצוי
- יעד
- יעדים
- מְפוֹרָט
- פרטים
- לאתר
- איתור
- לפתח
- מתפתח
- צעצועי התפתחות
- מכשיר
- התקנים
- אחר
- קשה
- ישירות
- תגלית
- מופץ
- מחשוב מבוזר
- do
- כֶּלֶב
- לא
- מטה
- נהיגה
- מונע
- עמידות
- דינמי
- כל אחד
- קל יותר
- בקלות
- קל
- אפקטיבי
- לחבק
- לאפשר
- הצף
- נקודות קצה
- עוסק
- משופר
- להעשיר
- מִפְעָל
- לקוחות ארגוניים
- שגיאות
- Ether (ETH)
- אירוע
- אירועים
- כל
- כולם
- דוגמה
- דוגמאות
- מצפה
- ניסיון
- חוויות
- לחקור
- להאריך
- תמצית
- פָּנִים
- כישלונות
- משפחה
- אופנה
- מהר יותר
- חביב
- מאפיין
- תכונות
- שדה
- קבצים
- ראשון
- חמש
- תזרים
- להתמקד
- מרוכז
- התמקדות
- הבא
- כדלקמן
- בעד
- מסגרת
- מסגרות
- בתדירות גבוהה
- חברים
- החל מ-
- פונקציה
- פונקציונלי
- פונקציות
- נוסף
- לְהַשִׂיג
- שער כניסה
- ליצור
- נוצר
- מקבל
- GitHub
- נותן
- שערים
- טוב
- להעניק
- הענקת
- לטפל
- לִתְלוֹת
- he
- לעזור
- עזרה
- לה
- גָבוֹהַ
- ביצועים גבוהים
- שֶׁלוֹ
- היסטורי
- חַם
- שעה
- שעות
- איך
- אולם
- HTML
- http
- HTTPS
- מאות
- לזהות
- if
- מדגים
- פְּגִיעָה
- in
- באחר
- כולל
- נכנס
- להגדיל
- גדל
- עצמאי
- מוּשׁפָע
- מידע
- תשתית
- תשתית
- חדשנות
- חדשנות
- חדשני
- קלט
- תובנות
- להתקין
- לשלב
- משולב
- השתלבות
- ואינטגרציות
- אינטרס
- מִמְשָׁק
- אינטרנט
- אינטרנט של דברים
- אל תוך
- הציג
- אינטואיטיבי
- הופעל
- IOT
- מכשיר IoT
- IT
- שֶׁלָה
- מסע
- jpg
- קפקא
- שמור
- מפתח
- זרמי נתונים של Kinesis
- אגם
- חֶבִיוֹן
- מאוחר יותר
- שכבה
- שכבות
- לִלמוֹד
- פנקס
- ספריות
- סִפְרִיָה
- אוֹר
- כמו
- חי
- לִטעוֹן
- היכנס
- הגיון
- הגיוני
- אוהב
- לתחזק
- תחזוקה
- לעשות
- עושה
- עשייה
- הצליח
- ניהול
- מנהל
- רב
- שיווק
- מקסימום
- מדידת
- מדיה
- לִפְגוֹשׁ
- זכרון
- למזג
- מידע נוסף
- מדדים
- מיקרו
- אמצע
- הֲגִירָה
- מילי שניות
- אכפת לי
- סלולרי
- אפליקציות ניידות
- מכשירים ניידים
- -לאפליקציות לנייד
- מצב
- מודרני
- מוֹדֶרנִיזָצִיָה
- מצבי
- לשנות
- צג
- יותר
- סרטים
- מספר
- צריך
- יליד
- ליד
- צורך
- נחוץ
- צרכי
- רשת
- חדש
- תכונות חדשות
- עַכשָׁיו
- מספר
- of
- הַצָעָה
- המיוחדות שלנו
- on
- On-Demand
- רק
- לפתוח
- קוד פתוח
- מבצע
- מבצעי
- תפעול
- מטב
- אופטימיזציה
- אפשרות
- or
- להזמין
- אִרְגוּנִי
- ארגונים
- אחר
- שלנו
- הַחוּצָה
- תוצאות
- תפוקה
- בחוץ
- יותר
- שֶׁלוֹ
- חלק
- לוהט
- תבנית
- דפוסי
- תשלום
- עבור
- לבצע
- ביצועים
- הרשאות
- אישית
- מקטרת
- צינור
- פלטפורמות
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- לְשַׂחֵק
- חיבור
- נקודות
- הודעה
- פרקטיקות
- צפוי
- מחירים
- תמחור
- יְסוֹדִי
- מנהל
- קודם
- פְּרָטִי
- פרואקטיבי
- בעיה
- בעיות
- תהליך
- מעובד
- תהליכים
- תהליך
- מיוצר
- יַצרָן
- מפיק
- המוצר
- מנהל מוצר
- תָכְנִית
- פרוטוקול
- לספק
- מספק
- פרוקסי
- ציבורי
- רכס
- מהר
- ציון
- חי
- נתונים גולמיים
- חומר עיוני
- קריאה
- ממשי
- זמן אמת
- נתונים בזמן אמת
- לקבל
- מקבל
- המלצה
- מוּמלָץ
- שיא
- מוקלט
- רשום
- להפחית
- להתייחס
- באזור
- אמינות
- אָמִין
- מרחוק
- נדרש
- דרישה
- דרישות
- דורש
- משאב
- משאבים
- אחראי
- REST
- וכתוצאה מכך
- לִשְׁמוֹר
- שומר
- שייר
- סקירה
- מסלול
- אותו
- בקרת מערכות ותקשורת
- להרחבה
- סולם
- מאזניים
- שְׁנִיָה
- מגזר
- אבטחה
- לחצני מצוקה לפנסיונרים
- חיישנים
- רצף
- סדרה
- לשרת
- ללא שרת
- שרות
- שירותים
- סט
- משותף
- היא
- צריך
- לראווה
- מפשט
- קטן
- תמונת בזק
- So
- חֶברָתִי
- מדיה חברתית
- תוכנה
- פיתוח תוכנה
- פִּתָרוֹן
- פתרונות
- לפתור
- מָקוֹר
- מקורות
- לעורר
- ספציפי
- מְהִירוּת
- לבלות
- הוצאה
- קוצים
- לפצל
- לערום
- מדינה
- שלב
- צעדים
- מניות
- אחסון
- חנות
- מאוחסן
- אִסטרָטֶגִיָה
- זרם
- מוזרם
- נהירה
- זרמים
- קַפְּדָנִי
- לאחר מכן
- כזה
- מספיק
- תמיכה
- תומך
- מערכת
- שולחן
- לקחת
- המשימות
- משימות
- נבחרת
- עשרות
- זֶה
- השמיים
- המידע
- המדינה
- שֶׁלָהֶם
- אותם
- אז
- שם.
- לכן
- אלה
- הֵם
- דברים
- צד שלישי
- זֶה
- אלה
- אלפים
- שְׁלוֹשָׁה
- דרך
- תפוקה
- זמן
- סדרת זמן
- רגיש לזמן
- ל
- היום
- כלי
- להתחקות
- לעקוב
- מעקב
- תְנוּעָה
- לשנות
- טרנספורמציה
- הפיכה
- נסיעה
- מגמות
- שתיים
- בדרך כלל
- לא צפוי
- על
- נוֹהָג
- להשתמש
- במקרה להשתמש
- מְשׁוּמָשׁ
- משתמש
- באמצעות
- לנצל
- אימות
- ערך
- משתנה
- שונים
- מְהִירוּת
- באמצעות
- וירטואלי
- חזון
- ראיה
- לחזות
- כֶּרֶך
- כרכים
- רוצה
- מחסן
- אחסון
- צופה
- we
- אינטרנט
- שירותי אינטרנט
- מוגדר היטב
- מה
- מתי
- אשר
- בזמן
- מי
- רָחָב
- טווח רחב
- יצטרך
- עם
- בתוך
- תיק עבודות
- זרימת עבודה
- לדאוג
- לכתוב
- אתה
- זפירנט
- אזורי