Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Leer los datos de Kinesis Data Streams mediante integraciones de terceros
<a name="using-services-third-party-read"></a>

Puede leer los flujos de datos de Amazon Kinesis Data Streams mediante una de las siguientes opciones de terceros que se integran con Kinesis Data Streams. Seleccione la opción sobre la que desee obtener más información y busque recursos y enlaces a la documentación pertinente.

**Topics**
+ [Apache Flink](using-other-services-read-flink.md)
+ [Adobe Experience Platform](using-other-services-read-adobe.md)
+ [Apache Druid](using-other-services-read-druid.md)
+ [Apache Spark](using-other-services-read-spark.md)
+ [Databricks](using-other-services-read-databricks.md)
+ [Kafka Confluent Platform](using-other-services-read-kafka.md)
+ [Kinesumer](using-other-services-read-kinesumer.md)
+ [Talend](using-other-services-read-talend.md)

# Apache Flink
<a name="using-other-services-read-flink"></a>

Apache Flink es un marco y motor de procesamiento distribuido popular para computación con estado sobre flujos de datos ilimitados y delimitados. Para obtener más información sobre el consumo de Kinesis Data Streams mediante Apache Flink, consulte [Amazon Kinesis Data Streams Connector](https://nightlies.apache.org/flink/flink-docs-release-1.15/docs/connectors/datastream/kinesis/). 

# Adobe Experience Platform
<a name="using-other-services-read-adobe"></a>

Adobe Experience Platform permite a las organizaciones centralizar y estandarizar los datos de los clientes de cualquier sistema. Luego, aplica la ciencia de datos y el machine learning para mejorar drásticamente el diseño y la entrega de experiencias enriquecidas y personalizadas. Para obtener más información sobre el consumo de Kinesis Data Streams mediante Adobe Experience Platform, consulte [Conector de Amazon Kinesis](https://experienceleague.adobe.com/docs/experience-platform/sources/connectors/cloud-storage/kinesis.html). 

# Apache Druid
<a name="using-other-services-read-druid"></a>

Druid es una base de datos de análisis en tiempo real de alto rendimiento que permite hacer consultas en fracciones de segundo a datos en streaming y por lotes a escala y bajo carga. Para obtener más información sobre la ingesta de Kinesis Data Streams mediante Apache Druid, consulte [Ingesta de Amazon Kinesis](https://druid.apache.org/docs/latest/development/extensions-core/kinesis-ingestion.html). 

# Apache Spark
<a name="using-other-services-read-spark"></a>

Apache Spark es un motor de análisis unificado para el procesamiento de datos a gran escala. Proporciona un alto nivel APIs de Java, Scala, Python y R, y un motor optimizado que admite gráficos de ejecución general. Puede usar Apache Spark para crear aplicaciones de procesamiento de flujos que consuman los datos de sus flujos de datos de Kinesis. 

Para consumir flujos de datos de Kinesis mediante Apache Spark Structured Streaming, utilice el [conector](https://github.com/awslabs/spark-sql-kinesis-connector) Amazon Kinesis Data Streams. Este conector admite el consumo con la distribución ramificada mejorada, que proporciona a su aplicación un rendimiento de lectura dedicado de hasta 2 MB de datos por segundo por partición. Para más información, consulte [Desarrollo y uso de consumidores personalizados con rendimiento dedicado (Distribución ramificada mejorada)](https://docs.aws.amazon.com/streams/latest/dev/enhanced-consumers.html). 

Para obtener más información sobre el consumo de Kinesis Data Streams mediante Spark Streaming, consulte [Integración de Spark Streaming \$1 Kinesis](https://spark.apache.org/docs/latest/streaming-kinesis-integration.html). 

# Databricks
<a name="using-other-services-read-databricks"></a>

Databricks es una plataforma basada en la nube que proporciona un entorno colaborativo para la ingeniería de datos, la ciencia de datos y el machine learning. Para obtener más información sobre el consumo de Kinesis Data Streams con Databricks, consulte [Connect con Amazon Kinesis](https://docs.databricks.com/structured-streaming/kinesis.html). 

# Kafka Confluent Platform
<a name="using-other-services-read-kafka"></a>

Confluent Platform se basa en Kafka y ofrece funciones y características adicionales que ayudan a las empresas a crear y administrar flujos de datos y aplicaciones de streaming en tiempo real. Para obtener más información sobre el consumo de Kinesis Data Streams mediante Confluent Platform, consulte [Conector de origen de Amazon Kinesis para Confluent Platform](https://docs.confluent.io/kafka-connectors/kinesis/current/overview.html#features). 

# Kinesumer
<a name="using-other-services-read-kinesumer"></a>

Kinesumer es un cliente de Go que implementa un cliente de grupo de consumidores distribuido del cliente para Kinesis Data Streams. Para obtener más información, consulte el [repositorio de GitHub de Kinesumer](https://github.com/daangn/kinesumer). 

# Talend
<a name="using-other-services-read-talend"></a>

Talend es un software de integración y administración de datos que permite a los usuarios recopilar, transformar y conectar datos de diversos orígenes de forma escalable y eficiente. Para obtener más información sobre el consumo de Kinesis Data Streams con Talend, consulte [Conectar Talend a un Amazon Kinesis Stream](https://help.talend.com/r/en-US/Cloud/connectors-guide/connector-kinesis).