Živimo v dobi podatkov in vpogledov v realnem času, ki jih poganjajo aplikacije za pretakanje podatkov z nizko zakasnitvijo. Danes vsi pričakujejo prilagojeno izkušnjo v kateri koli aplikaciji, organizacije pa nenehno uvajajo inovacije, da bi povečale svojo hitrost poslovanja in sprejemanja odločitev. Količina proizvedenih časovno občutljivih podatkov hitro narašča, pri čemer se v novih podjetjih in primerih uporabe strank uvajajo različni formati podatkov. Zato je za organizacije ključnega pomena, da sprejmejo nizko zakasnitev, razširljivo in zanesljivo infrastrukturo za pretakanje podatkov za zagotavljanje poslovnih aplikacij v realnem času in boljše uporabniške izkušnje.
To je prva objava v seriji blogov, ki ponuja običajne arhitekturne vzorce pri gradnji infrastruktur za pretakanje podatkov v realnem času z uporabo Kinesis Data Streams za širok spekter primerov uporabe. Njegov namen je zagotoviti okvir za ustvarjanje pretočnih aplikacij z nizko zakasnitvijo v oblaku AWS z uporabo Amazonski kinezi podatkovni tokovi in AWS namenske storitve analitike podatkov.
V tej objavi bomo pregledali običajne arhitekturne vzorce dveh primerov uporabe: analiza podatkov časovnih vrst in mikrostoritve, ki jih poganjajo dogodki. V naslednjem prispevku v naši seriji bomo raziskali arhitekturne vzorce pri gradnji pretočnih cevovodov za nadzorne plošče BI v realnem času, agenta kontaktnega centra, podatke o glavni knjigi, prilagojena priporočila v realnem času, analitiko dnevnika, podatke interneta stvari, zajem podatkov o spremembah in resnične -časovni marketinški podatki. Vsi ti arhitekturni vzorci so integrirani z Amazon Kinesis Data Streams.
Pretakanje v realnem času s Kinesis Data Streams
Amazon Kinesis Data Streams je brezstrežniška storitev pretakanja podatkov v oblaku, ki omogoča enostavno zajemanje, obdelavo in shranjevanje podatkov v realnem času v poljubnem obsegu. S Kinesis Data Streams lahko zbirate in obdelujete na stotine gigabajtov podatkov na sekundo iz več sto tisoč virov, kar vam omogoča enostavno pisanje aplikacij, ki obdelujejo informacije v realnem času. Zbrani podatki so na voljo v milisekundah, kar omogoča primere uporabe analitike v realnem času, kot so nadzorne plošče v realnem času, zaznavanje nepravilnosti v realnem času in dinamično oblikovanje cen. Podatki v Kinesis Data Stream so privzeto shranjeni 24 ur z možnostjo podaljšanja hrambe podatkov na 365 dni. Če želijo stranke obdelati iste podatke v realnem času z več aplikacijami, potem lahko uporabijo funkcijo Enhanced Fan-Out (EFO). Pred to funkcijo je vsaka aplikacija, ki porablja podatke iz toka, delila izhod 2 MB/sekundo/delček. S konfiguracijo pretočnih porabnikov za uporabo izboljšanega fan-outa vsak podatkovni porabnik prejme namensko 2 MB/sekundo prepustnosti branja na delček za nadaljnje zmanjšanje zakasnitve pri pridobivanju podatkov.
Za visoko razpoložljivost in vzdržljivost Kinesis Data Streams dosega visoko vzdržljivost s sinhronim podvajanjem pretočnih podatkov v treh območjih razpoložljivosti v regiji AWS in vam daje možnost hrambe podatkov do 365 dni. Zaradi varnosti Kinesis Data Streams zagotavlja šifriranje na strani strežnika, tako da lahko izpolnite stroge zahteve glede upravljanja podatkov s šifriranjem vaših podatkov v mirovanju in končnih točk vmesnika Amazon Virtual Private Cloud (VPC), da ohranite zaseben promet med vašim Amazon VPC in Kinesis Data Streams.
Kinesis Data Streams ima izvorne integracije z drugimi storitvami AWS, kot je npr AWS lepilo in Amazon EventBridge za izdelavo aplikacij za pretakanje v realnem času na AWS. Za dodatne podrobnosti glejte Integracije Amazon Kinesis Data Streams.
Sodobna arhitektura pretakanja podatkov s Kinesis Data Streams
Sodobno pretočno podatkovno arhitekturo s Kinesis Data Streams je mogoče oblikovati kot sklad petih logičnih plasti; vsaka plast je sestavljena iz več namensko zgrajenih komponent, ki izpolnjujejo posebne zahteve, kot je prikazano v naslednjem diagramu:
Arhitektura je sestavljena iz naslednjih ključnih komponent:
- Viri pretakanja – Vaš vir pretočnih podatkov vključuje vire podatkov, kot so podatki o toku klikov, senzorji, družbeni mediji, naprave interneta stvari (IoT), dnevniške datoteke, ustvarjene z uporabo vaših spletnih in mobilnih aplikacij, ter mobilne naprave, ki ustvarjajo polstrukturirane in nestrukturirane podatke kot neprekinjene tokove pri visoki hitrosti.
- Zaužitje toka – Plast za vnos toka je odgovorna za vnos podatkov v plast za shranjevanje toka. Omogoča zbiranje podatkov iz več deset tisoč virov podatkov in vnos v realnem času. Lahko uporabite Kinesis SDK za zaužitje pretočnih podatkov prek API-jev, Kinesis Producer Library za gradnjo visoko zmogljivih in dolgotrajnih pretočnih producentov ali a Sredstvo za kinezo za zbiranje nabora datotek in njihovo vnos v Kinesis Data Streams. Poleg tega lahko uporabite številne integracije pred gradnjo, kot je npr Storitev za selitev baze podatkov AWS (AWS DMS), Amazon DynamoDBin AWS IoT jedro za vnos podatkov na način brez kode. Prav tako lahko vnesete podatke s platform tretjih oseb, kot sta Apache Spark in Apache Kafka Connect.
- Shranjevanje toka – Kinesis Data Streams ponuja dva načina za podporo pretoka podatkov: On-Demand in Provisioned. Način na zahtevo, ki je zdaj privzeta izbira, se lahko elastično prilagaja, da absorbira spremenljive prepustnosti, tako da strankam ni treba skrbeti za upravljanje zmogljivosti in plačevati glede na pretok podatkov. Način na zahtevo samodejno poveča 2-kratno zmogljivost pretoka glede na zgodovinsko največjo količino zaužitja podatkov, da zagotovi zadostno zmogljivost za nepričakovane skoke zaužitja podatkov. Stranke, ki želijo podroben nadzor nad pretočnimi viri, lahko uporabijo tudi način Provisioned in proaktivno povečajo in zmanjšajo število Shardov, da izpolnijo svoje zahteve glede prepustnosti. Poleg tega lahko Kinesis Data Streams privzeto shrani podatke o pretakanju do 24 ur, vendar se lahko podaljša na 7 ali 365 dni, odvisno od primerov uporabe. Več aplikacij lahko uporablja isti tok.
- Obdelava toka – Plast obdelave toka je odgovorna za pretvorbo podatkov v potrošno stanje s preverjanjem podatkov, čiščenjem, normalizacijo, transformacijo in obogatitvijo. Zapisi pretakanja se berejo v vrstnem redu, v katerem so izdelani, kar omogoča analitiko v realnem času, gradnjo aplikacij, ki temeljijo na dogodkih, ali pretakanje ETL (ekstrah, transformacija in nalaganje). Lahko uporabiš Amazonova upravljana storitev za Apache Flink za kompleksno obdelavo tokovnih podatkov, AWS Lambda za obdelavo tokovnih podatkov brez stanja in AWS lepilo & Amazonski EMR za računanje v skoraj realnem času. Z njim lahko ustvarite tudi prilagojene potrošniške aplikacije Potrošniška knjižnica Kinesis, ki bo poskrbel za številne kompleksne naloge, povezane s porazdeljenim računalništvom.
- Destinacija – Ciljni sloj je kot namensko zgrajen cilj, odvisno od vašega primera uporabe. Podatke lahko pretakate neposredno v Amazon RedShift za shranjevanje podatkov in Amazon EventBridge za izdelavo aplikacij, ki temeljijo na dogodkih. Uporabite lahko tudi Amazon Kinesis Data Firehose za integracijo pretakanja, kjer lahko obdelavo pretakate z AWS Lambda in nato dostavite obdelano pretakanje na cilje, kot so Amazon S3 podatkovno jezero, storitev OpenSearch za operativno analitiko, podatkovno skladišče Redshift, baze podatkov brez SQL, kot je Amazon DynamoDB, in relacijske baze podatkov, kot je Amazon RDS za uporabo tokov v realnem času v poslovne aplikacije. Cilj je lahko aplikacija, ki temelji na dogodkih, za nadzorne plošče v realnem času, samodejne odločitve na podlagi obdelanih pretočnih podatkov, spreminjanje v realnem času in drugo.
Arhitektura analitike v realnem času za časovne vrste
Podatki časovne vrste so zaporedje podatkovnih točk, zabeleženih v časovnem intervalu za merjenje dogodkov, ki se spreminjajo skozi čas. Primeri so cene delnic skozi čas, tokovi klikov spletnih strani in dnevniki naprav skozi čas. Stranke lahko uporabljajo podatke časovnih vrst za spremljanje sprememb skozi čas, tako da lahko zaznajo anomalije, prepoznajo vzorce in analizirajo, kako so določene spremenljivke vplivale skozi čas. Podatki o časovni vrsti so običajno ustvarjeni iz več virov v velikih količinah in jih je treba stroškovno učinkovito zbirati v skoraj realnem času.
Običajno obstajajo trije primarni cilji, ki jih želijo stranke doseči pri obdelavi podatkov časovnih vrst:
- Pridobite vpogled v delovanje sistema v realnem času in odkrijte anomalije
- Razumevanje vedenja končnega uporabnika za sledenje trendom in poizvedovanje/izdelava vizualizacij iz teh vpogledov
- Imejte trajno rešitev za shranjevanje za zaužitje in shranjevanje arhivskih in pogosto dostopanih podatkov.
S Kinesis Data Streams lahko stranke neprekinjeno zajemajo terabajte podatkov časovnih vrst iz tisočih virov za čiščenje, obogatitev, shranjevanje, analizo in vizualizacijo.
Naslednji arhitekturni vzorec ponazarja, kako je mogoče doseči analitiko v realnem času za podatke časovnih vrst s Kinesis Data Streams:
Koraki poteka dela so naslednji:
- Vnos in shranjevanje podatkov – Kinesis Data Streams lahko neprekinjeno zajema in shranjuje terabajte podatkov iz več tisoč virov.
- Obdelava toka – Aplikacija, ustvarjena z Amazonova upravljana storitev za Apache Flink lahko bere zapise iz podatkovnega toka, da odkrije in očisti morebitne napake v podatkih časovne vrste ter podatke obogati s posebnimi metapodatki za optimizacijo operativne analitike. Uporaba podatkovnega toka na sredini zagotavlja prednost uporabe podatkov časovne vrste v drugih procesih in rešitvah hkrati. S temi dogodki se nato prikliče funkcija Lambda, ki lahko izvede izračune časovnih vrst v pomnilniku.
- Destinacije – Po čiščenju in obogatitvi se lahko obdelani podatki časovne serije pretakajo v Amazonski časovni tok baza podatkov za nadzorno ploščo in analizo v realnem času ali shranjena v zbirkah podatkov, kot je DynamoDB za poizvedbo končnega uporabnika. Neobdelane podatke je mogoče pretakati v Amazon S3 za arhiviranje.
- Vizualizacija in pridobite vpogled – Stranke lahko poizvedujejo, vizualizirajo in ustvarjajo opozorila z uporabo Amazonova upravljana storitev za Grafana. Grafana podpira vire podatkov, ki so zaledja za shranjevanje podatkov časovnih vrst. Za dostop do svojih podatkov iz Timestream morate namestiti vtičnik Timestream za Grafana. Končni uporabniki lahko poizvedujejo po podatkih iz tabele DynamoDB z Amazon API Gateway deluje kot pooblaščenec.
Nanašati se na Obdelava v skoraj realnem času z Amazon Kinesis, Amazon Timestream in Grafana predstavitev cevovoda za pretakanje brez strežnika za obdelavo in shranjevanje telemetričnih podatkov IoT naprave v shrambo podatkov, optimizirano za časovno serijo, kot je Amazon Timestream.
Obogatitev in ponovno predvajanje podatkov v realnem času za mikrostoritve za pridobivanje dogodkov
Mikrostoritve so arhitekturni in organizacijski pristop k razvoju programske opreme, kjer je programska oprema sestavljena iz majhnih neodvisnih storitev, ki komunicirajo prek dobro definiranih API-jev. Pri izdelavi mikrostoritev, ki temeljijo na dogodkih, želijo stranke doseči 1. visoko razširljivost za obvladovanje obsega dohodnih dogodkov in 2. zanesljivost obdelave dogodkov in ohranitev funkcionalnosti sistema ob okvarah.
Stranke uporabljajo vzorce arhitekture mikrostoritev, da pospešijo inovacije in čas za trženje novih funkcij, ker omogoča lažje prilagajanje aplikacij in hitrejši razvoj. Vendar pa je zahtevno obogatiti in ponovno predvajati podatke v omrežnem klicu drugi mikrostoritvi, ker lahko vpliva na zanesljivost aplikacije in oteži odpravljanje napak in sledenje napakam. Za rešitev tega problema je izvor dogodkov učinkovit vzorec načrtovanja, ki centralizira zgodovinske zapise vseh sprememb stanja za obogatitev in ponovno predvajanje ter ločuje delovne obremenitve branja od pisanja. Stranke lahko uporabijo Kinesis Data Streams kot centralizirano shrambo dogodkov za mikrostoritve, ki izvirajo iz dogodkov, ker lahko KDS 1/ obdeluje gigabajte pretoka podatkov na sekundo na tok in pretaka podatke v milisekundah, da izpolni zahtevo po visoki razširljivosti in skoraj realnem času. zakasnitev, 2/ integracija s Flinkom in S3 za obogatitev podatkov in doseganje, medtem ko je popolnoma ločena od mikrostoritev, in 3/ omogočanje ponovnega poskusa in asinhronega branja pozneje, ker KDS obdrži podatkovni zapis privzeto 24 ur in po izbiri do 365 dni.
Naslednji arhitekturni vzorec je splošna ilustracija, kako je mogoče podatkovne tokove Kinesis uporabiti za mikrostoritve izvora dogodkov:
Koraki v poteku dela so naslednji:
- Vnos in shranjevanje podatkov – Vhodne podatke iz svojih mikrostoritev lahko združite v svoje podatkovne tokove Kinesis za shranjevanje.
- Pretočna obdelava - Apache Flink Stateful Funkcije poenostavlja gradnjo porazdeljenih aplikacij, ki temeljijo na dogodkih. Lahko prejme dogodke iz vhodnega toka podatkov Kinesis in usmeri nastali tok v tok izhodnih podatkov. Z Apache Flink lahko ustvarite gručo funkcij s spremljanjem stanja na podlagi poslovne logike vaše aplikacije.
- Posnetek stanja v Amazon S3 – Posnetek stanja lahko shranite v Amazon S3 za sledenje.
- Izhodni tokovi – Izhodne tokove je mogoče uporabiti prek oddaljenih funkcij Lambda prek protokola HTTP/gRPC prek prehoda API.
- Lambda daljinske funkcije – Lambda funkcije lahko delujejo kot mikrostoritve za različne aplikacije in poslovno logiko, ki služijo poslovnim in mobilnim aplikacijam.
Če želite izvedeti, kako so druge stranke zgradile svoje mikrostoritve, ki temeljijo na dogodkih, s Kinesis Data Streams, glejte naslednje:
Ključni premisleki in najboljše prakse
Sledijo premisleki in najboljše prakse, ki jih je treba upoštevati:
- Odkrivanje podatkov bi moralo biti vaš prvi korak pri gradnji sodobnih aplikacij za pretakanje podatkov. Določiti morate poslovno vrednost in nato identificirati vire pretočnih podatkov in osebnosti uporabnikov, da dosežete želene poslovne rezultate.
- Izberite orodje za vnos pretočnih podatkov glede na vir podatkov za pretakanje. Na primer, lahko uporabite Kinesis SDK za zaužitje pretočnih podatkov prek API-jev, Kinesis Producer Library za izgradnjo visoko zmogljivih in dolgotrajnih pretočnih producentov, a Sredstvo za kinezo za zbiranje nabora datotek in njihovo vnašanje v Kinesis Data Streams, AWS DMS za primere uporabe pretakanja CDC in AWS IoT jedro za vnos podatkov naprav IoT v Kinesis Data Streams. Pretočne podatke lahko vnesete neposredno v Amazon Redshift, da ustvarite pretočne aplikacije z nizko zakasnitvijo. Uporabite lahko tudi knjižnice tretjih oseb, kot sta Apache Spark in Apache Kafka, da vnesete pretočne podatke v Kinesis Data Streams.
- Storitve obdelave pretočnih podatkov morate izbrati glede na vaš specifični primer uporabe in poslovne zahteve. Upravljano storitev Amazon Kinesis za Apache Flink lahko na primer uporabite za napredne primere uporabe pretakanja z več destinacijami pretakanja in zapleteno obdelavo tokov s spremljanjem stanja ali če želite spremljati poslovne meritve v realnem času (na primer vsako uro). Lambda je dobra za obdelavo na podlagi dogodkov in brez stanja. Lahko uporabiš Amazonski EMR za pretočno obdelavo podatkov za uporabo vaših najljubših odprtokodnih ogrodij velikih podatkov. AWS Glue je dober za obdelavo pretočnih podatkov v skoraj realnem času za primere uporabe, kot je pretakanje ETL.
- Kinesis Data Streams v načinu na zahtevo zaračunava glede na uporabo in samodejno povečuje zmogljivost virov, zato je primeren za obremenitve s hitrim pretakanjem in prostoročno vzdrževanje. Omogočeni način zaračunava glede na zmogljivost in zahteva proaktivno upravljanje zmogljivosti, zato je dober za predvidljive delovne obremenitve pretakanja.
- Lahko uporabite Skupni kalkulator Kinesis za izračun števila drobcev, potrebnih za oskrbovani način. Z načinom na zahtevo vam ni treba skrbeti za drobce.
- Ko dodeljujete dovoljenja, se odločite, kdo bo dobil kakšna dovoljenja za katere vire Kinesis Data Streams. Omogočite določena dejanja, ki jih želite dovoliti za te vire. Zato bi morali dodeliti samo dovoljenja, ki so potrebna za izvedbo naloge. Podatke v mirovanju lahko šifrirate tudi z uporabo ključa KMS, ki ga upravlja stranka (CMK).
- Ti lahko posodobite obdobje hrambe prek konzole Kinesis Data Streams ali z uporabo IncreaseStreamRetentionPeriod in DecreaseStreamRetentionPeriod operacije na podlagi vaših posebnih primerov uporabe.
- Podpira Kinesis Data Streams resharding. Priporočen API za to funkcijo je UpdateHardCount, ki vam omogoča spreminjanje števila drobcev v vašem toku, da se prilagodite spremembam v hitrosti pretoka podatkov skozi tok. API-ji za ponovno razdeljevanje (razdeli in spoji) se običajno uporabljajo za obdelavo vročih drobcev.
zaključek
Ta objava je prikazala različne arhitekturne vzorce za gradnjo pretočnih aplikacij z nizko zakasnitvijo s Kinesis Data Streams. Z informacijami v tej objavi lahko ustvarite lastne aplikacije za steaming z nizko zakasnitvijo s Kinesis Data Streams.
Za podrobne arhitekturne vzorce si oglejte naslednje vire:
Če želite zgraditi podatkovno vizijo in strategijo, si oglejte Vse, ki temelji na podatkih AWS (D2E) program.
O avtorjih
Raghavarao Sodabathina je glavni arhitekt rešitev pri AWS, ki se osredotoča na analizo podatkov, AI/ML in varnost v oblaku. S strankami sodeluje pri ustvarjanju inovativnih rešitev, ki obravnavajo poslovne težave strank, in pospešuje sprejemanje storitev AWS. V prostem času Raghavarao uživa v preživljanju časa s svojo družino, branju knjig in gledanju filmov.
Hang Zuo je višji produktni vodja v skupini Amazon Kinesis Data Streams pri Amazon Web Services. Navdušen je nad razvojem intuitivnih izkušenj z izdelki, ki rešujejo kompleksne težave strank in strankam omogočajo doseganje njihovih poslovnih ciljev.
Shwetha Radhakrishnan je arhitekt rešitev za AWS s poudarkom na podatkovni analitiki. Gradila je rešitve, ki spodbujajo sprejemanje oblakov in pomagajo organizacijam sprejemati odločitve, ki temeljijo na podatkih v javnem sektorju. Zunaj dela rada pleše, preživlja čas s prijatelji in družino ter potuje.
Brittany Ly je arhitekt rešitev pri AWS. Osredotočena je na pomoč podjetniškim strankam pri sprejemanju in posodobitvi oblaka ter se zanima za področje varnosti in analitike. Zunaj službe zelo rada preživlja čas s svojim psom in igra žogico.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
- PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
- PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
- PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
- vir: https://aws.amazon.com/blogs/big-data/architectural-patterns-for-real-time-analytics-using-amazon-kinesis-data-streams-part-1/
- :ima
- : je
- :ne
- :kje
- $GOR
- 1
- 100
- 24
- 7
- a
- sposobnost
- O meni
- pospeši
- dostop
- dostopna
- Doseči
- doseže
- Dosega
- doseganju
- čez
- Zakon
- igrati
- dejavnosti
- prilagodijo
- Poleg tega
- Dodatne
- Poleg tega
- Naslov
- Sprejetje
- napredno
- Prednost
- po
- starost
- Agent
- agregat
- AI / ML
- Cilje
- Opozorila
- vsi
- omogočajo
- Dovoli
- omogoča
- Prav tako
- Amazon
- Amazon Kinesis
- Amazonski časovni tok
- Amazon Web Services
- an
- Analiza
- analitika
- analizirati
- in
- odkrivanje anomalije
- Še ena
- kaj
- Apache
- Apache Kafka
- Apache Spark
- API
- API-ji
- uporaba
- aplikacije
- pristop
- aplikacije
- architectural
- Arhitektura
- SE
- AS
- povezan
- At
- Samodejno
- samodejno
- razpoložljivost
- Na voljo
- AWS
- AWS lepilo
- AWS Lambda
- temeljijo
- BE
- ker
- bilo
- vedenje
- počutje
- BEST
- najboljše prakse
- Boljše
- med
- Big
- Big Podatki
- Blog
- knjige
- tako
- izgradnjo
- Building
- zgrajena
- poslovni
- Poslovne aplikacije
- podjetja
- vendar
- by
- izračun
- klic
- CAN
- kapaciteta
- zajemanje
- ki
- primeru
- primeri
- CDC
- center
- centralizirano
- nekatere
- izziv
- spremenite
- Spremembe
- Stroški
- preveriti
- izbira
- Izberite
- čiščenje
- čiščenje
- Cloud
- sprejem v oblak
- Varnost v oblaku
- Grozd
- zbiranje
- Zbiranje
- Skupno
- komunicirajo
- popolnoma
- kompleksna
- deli
- sestavljajo
- Izračunajte
- računalništvo
- zaskrbljen
- konfiguriranje
- premislekov
- vsebuje
- Konzole
- nenehno
- porabijo
- porabi
- Potrošnik
- Potrošniki
- kontakt
- kontaktni center
- neprekinjeno
- stalno
- nadzor
- ustvarjajo
- ustvaril
- kritično
- stranka
- Stranke, ki so
- meri
- ples
- nadzorne plošče
- datum
- Analiza podatkov
- Podatkovna analiza
- obogatitev datuma
- Data jezero
- Upravljanje podatkov
- podatkovne točke
- obdelava podatkov
- podatkovno skladišče
- Podatkov usmerjenih
- Baze podatkov
- baze podatkov
- Dnevi
- odloča
- Odločitev
- Odločanje
- odločitve
- nevezana
- namenjen
- privzeto
- opredeliti
- poda
- Dokazano
- Odvisno
- Oblikovanje
- zasnovan
- želeno
- destinacija
- destinacije
- podrobno
- Podrobnosti
- odkrivanje
- Odkrivanje
- Razvoj
- razvoju
- Razvoj
- naprava
- naprave
- drugačen
- težko
- neposredno
- Odkritje
- porazdeljena
- porazdeljeno računalništvo
- do
- Pes
- dont
- navzdol
- pogon
- vozi
- trajnost
- dinamično
- vsak
- lažje
- enostavno
- lahka
- Učinkovito
- objem
- omogočajo
- šifriranje
- Končne točke
- se ukvarja
- okrepljeno
- obogatiti
- Podjetje
- podjetniške stranke
- napake
- Eter (ETH)
- Event
- dogodki
- Tudi vsak
- vsi
- Primer
- Primeri
- pričakuje
- izkušnje
- Doživetja
- raziskuje
- razširiti
- ekstrakt
- Obraz
- napake
- družina
- Moda
- hitreje
- Priljubljeni
- Feature
- Lastnosti
- Polje
- datoteke
- prva
- pet
- Pretok
- Osredotočite
- osredotočena
- osredotoča
- po
- sledi
- za
- Okvirni
- okviri
- pogosto
- prijatelji
- iz
- funkcija
- funkcionalnost
- funkcije
- nadalje
- Gain
- Prehod
- ustvarjajo
- ustvarila
- pridobivanje
- GitHub
- daje
- Cilji
- dobro
- odobri
- Odobritev
- ročaj
- Hang
- he
- pomoč
- pomoč
- jo
- visoka
- visokozmogljivo
- njegov
- Zgodovinski
- HOT
- uro
- URE
- Kako
- Vendar
- HTML
- http
- HTTPS
- Stotine
- identificirati
- if
- ponazarja
- vpliv
- in
- V drugi
- vključuje
- Dohodni
- Povečajte
- narašča
- Neodvisni
- vplivali
- Podatki
- Infrastruktura
- infrastruktura
- inoviranje
- Inovacije
- inovativne
- vhod
- vpogledi
- namestitev
- integrirati
- integrirana
- integracija
- integracije
- obresti
- vmesnik
- Internet
- Internet stvari
- v
- Uvedeno
- intuitivno
- sklican
- Internet stvari
- IoT naprava
- IT
- ITS
- Potovanje
- jpg
- kafka
- Imejte
- Ključne
- Podatkovni tokovi Kinesis
- Jezero
- Latenca
- pozneje
- plast
- plasti
- UČITE
- Ledger
- knjižnice
- Knjižnica
- light
- kot
- živi
- obremenitev
- prijavi
- Logika
- logično
- ljubi
- vzdrževati
- vzdrževanje
- Znamka
- IZDELA
- Izdelava
- upravlja
- upravljanje
- upravitelj
- več
- Trženje
- največja
- merjenje
- mediji
- Srečati
- Spomin
- Spoji
- metapodatki
- Meritve
- mikro storitve
- Bližnji
- migracije
- milisekund
- moti
- Mobilni
- Mobilne aplikacije
- mobilne naprave
- mobile-aplikacije
- način
- sodobna
- modernizacija
- načini
- spremenite
- monitor
- več
- filmi
- več
- morajo
- materni
- Blizu
- Nimate
- potrebna
- potrebe
- mreža
- Novo
- Nove funkcije
- zdaj
- Številka
- of
- ponudba
- Ponudbe
- on
- Na zahtevo
- samo
- odprite
- open source
- Delovanje
- operativno
- operacije
- Optimizirajte
- optimizirana
- Možnost
- or
- Da
- organizacijsko
- organizacije
- Ostalo
- naši
- ven
- rezultatov
- izhod
- zunaj
- več
- lastne
- del
- strastno
- Vzorec
- vzorci
- Plačajte
- za
- opravlja
- performance
- Dovoljenja
- Prilagojene
- cevi
- plinovod
- Platforme
- platon
- Platonova podatkovna inteligenca
- PlatoData
- Predvajaj
- vključiti
- točke
- Prispevek
- vaje
- Predvidljivo
- Cene
- cenitev
- primarni
- , ravnateljica
- Predhodna
- zasebna
- Proaktivna
- problem
- Težave
- Postopek
- obdelani
- Procesi
- obravnavati
- Proizvedeno
- Proizvajalec
- Proizvajalci
- Izdelek
- produktni vodja
- Program
- protokol
- zagotavljajo
- zagotavlja
- proxy
- javnega
- območje
- hitro
- Oceniti
- Surovi
- surovi podatki
- Preberi
- reading
- pravo
- v realnem času
- podatki v realnem času
- prejeti
- prejme
- Priporočilo
- priporočeno
- zapis
- Zabeležena
- evidence
- zmanjša
- glejte
- okolica
- zanesljivost
- zanesljiv
- daljinsko
- obvezna
- zahteva
- Zahteve
- zahteva
- vir
- viri
- odgovorna
- REST
- rezultat
- ohranijo
- ohrani
- zadrževanje
- pregleda
- Pot
- Enako
- Prilagodljivost
- razširljive
- Lestvica
- luske
- drugi
- sektor
- varnost
- višji
- senzorji
- Zaporedje
- Serija
- služijo
- Brez strežnika
- Storitev
- Storitve
- nastavite
- deli
- je
- shouldnt
- razstavni
- poenostavlja
- majhna
- Posnetek
- So
- socialna
- družbeni mediji
- Software
- Razvoj programske opreme
- Rešitev
- rešitve
- SOLVE
- vir
- Viri
- Spark
- specifična
- hitrost
- preživeti
- Poraba
- konice
- po delih
- sveženj
- Država
- Korak
- Koraki
- zaloge
- shranjevanje
- trgovina
- shranjeni
- Strategija
- tok
- pretočenih
- pretakanje
- tokovi
- strogo
- kasneje
- taka
- dovolj
- podpora
- Podpira
- sistem
- miza
- Bodite
- Naloga
- Naloge
- skupina
- deset
- da
- O
- informacije
- Država
- njihove
- Njih
- POTEM
- Tukaj.
- zato
- te
- jih
- stvari
- tretjih oseb
- ta
- tisti,
- tisoče
- 3
- skozi
- pretočnost
- čas
- Časovne serije
- časovno občutljiv
- do
- danes
- orodje
- sledenje
- sledenje
- Sledenje
- Prometa
- Transform
- Preoblikovanje
- preoblikovanje
- Potovanje
- Trends
- dva
- tipično
- Nepričakovana
- naprej
- Uporaba
- uporaba
- primeru uporabe
- Rabljeni
- uporabnik
- uporabo
- uporabiti
- potrjevanje
- vrednost
- spremenljivka
- različnih
- VeloCity
- preko
- Virtual
- Vizija
- vizualizacija
- vizualizirati
- Obseg
- prostornine
- želeli
- Skladišče
- skladiščenje
- gledanju
- we
- web
- spletne storitve
- dobro opredeljen
- Kaj
- kdaj
- ki
- medtem
- WHO
- široka
- Širok spekter
- bo
- z
- v
- delo
- potek dela
- skrbi
- pisati
- jo
- Vaša rutina za
- zefirnet
- cone