翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# サードパーティーの統合を使用して Kinesis Data Streams から読み取る
<a name="using-services-third-party-read"></a>

Amazon Kinesis Data Streams のデータストリームからのデータは、Kinesis Data Streams と統合する以下のサードパーティーオプションのいずれかを使用して読み取ることができます。詳細を確認し、関連ドキュメントのリソースとリンクを検索するオプションを選択します。

**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 は、制限なしおよび制限付きのデータストリームでのステートフル計算のためのフレームワークかつ分散処理エンジンです。Apache Flink を使用した Kinesis データストリームの消費に関する詳細については、「[Amazon Kinesis Data Streams Connector](https://nightlies.apache.org/flink/flink-docs-release-1.15/docs/connectors/datastream/kinesis/)」を参照してください。

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

Adobe Experience Platform は、組織があらゆるシステムからの顧客データを一元化して標準化することを可能にします。その後、データサイエンスと機械学習を適用して、充実感のあるパーソナライズされたエクスペリエンスの設計と提供を劇的に向上させます。Adobe Experience Platform を使用した Kinesis データストリームの消費に関する詳細については、「[Amazon Kinesis connector](https://experienceleague.adobe.com/docs/experience-platform/sources/connectors/cloud-storage/kinesis.html)」を参照してください。

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

Druid は、ストリーミングとバッチデータに対する 1 秒未満のクエリを、大規模に、かつ負荷がかかった状態で実現する高性能のリアルタイム分析データベースです。Apache Druid を使用した Kinesis データストリームの取り込みに関する詳細については、「[Amazon Kinesis ingestion](https://druid.apache.org/docs/latest/development/extensions-core/kinesis-ingestion.html)」を参照してください。

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

Apache Spark は、大規模データ処理のための統合分析エンジンです。Java、Scala、Python、および R の高レベルな API と、汎用実行グラフをサポートする最適化されたエンジンを提供します。Apache Spark を使用して、Kinesis データストリーム内のデータを消費するストリーム処理アプリケーションを構築できます。

Apache Spark 構造化ストリーミングを使用して Kinesis データストリームを使用するには、Amazon Kinesis Data Streams [コネクタ](https://github.com/awslabs/spark-sql-kinesis-connector)を使用します。このコネクタは、拡張ファンアウトによる消費をサポートします。これにより、アプリケーションはシャードあたり 1 秒あたり最大 2 MB のデータの専用読み取りスループットが得られます。詳しくは、「[スループット専有 (拡張ファンアウト) カスタムコンシューマーの開発](https://docs.aws.amazon.com/streams/latest/dev/enhanced-consumers.html)」を参照してください。

Spark Streaming を使用した Kinesis データストリームを消費するには、「[Spark Streaming \$1 Kinesis Integration](https://spark.apache.org/docs/latest/streaming-kinesis-integration.html)」を参照してください。

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

Databricks は、データエンジニアリング、データサイエンス、および機械学習のための共同環境を提供するクラウドベースのプラットフォームです。Databricks を使用した Kinesis データストリームの消費に関する詳細については、「[Connect to Amazon Kinesis](https://docs.databricks.com/structured-streaming/kinesis.html)」を参照してください。

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

Confluent Platform は Kafka 上に構築されており、エンタープライズがリアルタイムのデータパイプラインおよびストリーミングアプリケーションを構築して管理するために役立つ追加機能を提供します。Confluent Platform を使用した Kinesis データストリームの消費に関する詳細については、「[Amazon Kinesis Source Connector for Confluent Platform](https://docs.confluent.io/kafka-connectors/kinesis/current/overview.html#features)」を参照してください。

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

Kinesumer は Go クライアントで、Kinesis データストリームのためのクライアント側の分散型コンシューマーグループクライアントを実装します。詳細については、「[Kinesumer Github リポジトリ](https://github.com/daangn/kinesumer)」を参照してください。

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

Talend は、ユーザーがさまざまなソースからのデータをスケーラブルかつ効率的な方法で収集、変換、および接続することを可能にするデータ統合およびデータ管理ソフトウェアです。Talend を使用した Kinesis データストリームの消費に関する詳細については、「[Connect Talend to an Amazon Kinesis stream](https://help.talend.com/r/en-US/Cloud/connectors-guide/connector-kinesis)」を参照してください。