Nach reiflicher Überlegung haben wir uns entschieden, Amazon Kinesis Data Analytics für SQL-Anwendungen einzustellen:
1. Ab dem 1. September 2025 werden wir keine Bugfixes für Amazon Kinesis Data Analytics for SQL-Anwendungen bereitstellen, da wir aufgrund der bevorstehenden Einstellung nur eingeschränkten Support dafür haben werden.
2. Ab dem 15. Oktober 2025 können Sie keine neuen Kinesis Data Analytics for SQL-Anwendungen mehr erstellen.
3. Wir werden Ihre Anwendungen ab dem 27. Januar 2026 löschen. Sie können Ihre Amazon Kinesis Data Analytics for SQL-Anwendungen nicht starten oder betreiben. Ab diesem Zeitpunkt ist kein Support mehr für Amazon Kinesis Data Analytics for SQL verfügbar. Weitere Informationen finden Sie unter Einstellung von Amazon Kinesis Data Analytics für SQL-Anwendungen.
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.
Beispiel: Erkennen von Datenanomalien und Suchen nach einer Erklärung (Funktion RANDOM_CUT_FOREST_WITH_EXPLANATION)
Amazon-Kinesis-Data-Analytics stellt die RANDOM_CUT_FOREST_WITH_EXPLANATION-Funktion bereit, die jedem Datensatz basierend auf Werten in den numerischen Spalten eine Anomaliebewertung zuweist. Die Funktion liefert auch eine Erläuterung für die Anomalie. Weitere Informationen finden Sie unter RANDOM_CUT_FOREST_WITH_EXPLANATION in der SQL-Referenz für Amazon-Managed-Service für Apache Flink.
In dieser Übung schreiben Sie Anwendungscode, um Anomaliebewertungen für Datensätzen in der Streaming-Quelle Ihrer Anwendung anzufordern. Sie können auch eine Erklärung für jede Anomalie anfordern.
Themen
Erster Schritt
Schritt 1: Vorbereitung der Daten
