Hinweis zum Ende des Supports: Am 15. Dezember 2025 AWS endet der Support für AWS IoT Analytics. Nach dem 15. Dezember 2025 können Sie nicht mehr auf die AWS IoT Analytics Konsole oder AWS IoT Analytics Ressourcen zugreifen. Weitere Informationen finden Sie unter AWS IoT Analytics Ende des Supports.
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Schritt 1: Leiten Sie die laufende Datenaufnahme um
Der erste Schritt Ihrer Migration besteht darin, Ihre laufende Datenaufnahme auf einen neuen Dienst umzuleiten. Wir empfehlen zwei Muster, die auf Ihrem spezifischen Anwendungsfall basieren:
Muster 1: Amazon Kinesis Data Streams mit Amazon Managed Service für Apache Flink
In diesem Muster veröffentlichen Sie zunächst Daten, AWS IoT Core die in Amazon Kinesis Data Streams integriert sind, sodass Sie eine große Datenbandbreite in Echtzeit sammeln, verarbeiten und analysieren können.
Metriken und Analysen
-
Daten aufnehmen: AWS IoT Daten werden in Echtzeit in Amazon Kinesis Data Streams aufgenommen. Amazon Kinesis Data Streams kann einen hohen Datendurchsatz von Millionen von AWS IoT Geräten verarbeiten und ermöglicht so Echtzeitanalysen und Anomalieerkennung.
-
Daten verarbeiten: Verwenden Sie Amazon Managed Service für Apache Flink, um die Daten aus den Amazon Kinesis Data Streams zu verarbeiten, anzureichern und zu filtern. Flink bietet robuste Funktionen für die Verarbeitung komplexer Ereignisse wie Aggregationen, Verknüpfungen und zeitliche Operationen.
-
Daten speichern: Flink gibt die verarbeiteten Daten zur Speicherung und weiteren Analyse an Amazon S3 aus. Diese Daten können dann mit Amazon Athena abgefragt oder in andere AWS Analysedienste integriert werden.
Verwenden Sie dieses Muster, wenn Ihre Anwendung Streaming-Daten mit hoher Bandbreite umfasst und erweiterte Verarbeitungsmöglichkeiten wie Musterabgleich oder Windowing erfordert. Dieses Muster ist am besten geeignet.
Muster 2: Amazon Data Firehose verwenden
In diesem Muster werden Daten veröffentlicht AWS IoT Core, das in Amazon Data Firehose integriert ist, sodass Sie Daten direkt in Amazon S3 speichern können. Dieses Muster unterstützt auch grundlegende Transformationen mithilfe von. AWS Lambda
Metriken und Analysen
-
Daten aufnehmen: AWS IoT Daten werden direkt von Ihren Geräten oder AWS IoT Core in Amazon Data Firehose aufgenommen.
-
Daten verarbeiten: Amazon Data Firehose führt grundlegende Transformationen und Verarbeitungen der Daten durch, z. B. Formatkonvertierung und -anreicherung. Sie können die Firehose-Datentransformation aktivieren, indem Sie sie so konfigurieren, dass AWS Lambda Funktionen zur Transformation der eingehenden Quelldaten aufgerufen werden, bevor sie an Ziele gesendet werden.
-
Daten speichern: Die verarbeiteten Daten werden nahezu in Echtzeit an Amazon S3 übermittelt. Amazon Data Firehose passt sich automatisch dem Durchsatz eingehender Daten an und gewährleistet so eine zuverlässige und effiziente Datenlieferung.
Verwenden Sie dieses Muster für Workloads, die grundlegende Transformationen und Verarbeitung erfordern. Darüber hinaus vereinfacht Amazon Data Firehose den Prozess, indem es Funktionen zur Datenpufferung und dynamischen Partitionierung für in Amazon S3 gespeicherte Daten bietet.
