기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 타사 통합을 사용하여 Kinesis Data Streams에서 읽기
<a name="using-services-third-party-read"></a>

Amazon Kinesis Data Streams와 통합되는 다음 타사 옵션 중 하나를 사용하여 Kinesis Data Streams 데이터 스트림에서 데이터를 읽을 수 있습니다. 자세히 알아볼 옵션을 선택하고 리소스와 관련 설명서 링크를 찾습니다.

**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 플랫폼](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 Flink는 무제한 및 제한 데이터 스트림에 대한 상태 저장 계산을 위한 프레임워크 및 분산 처리 엔진입니다. Apache Flink를 사용하여 Kinesis Data Streams를 소비하는 방법에 대한 자세한 내용은 [Amazon Kinesis Data Streams Connector](https://nightlies.apache.org/flink/flink-docs-release-1.15/docs/connectors/datastream/kinesis/)를 참조하세요.

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

Adobe Experience Platform을 통해 조직은 모든 시스템의 고객 데이터를 중앙 집중화하고 표준화할 수 있습니다. 그런 다음 데이터 과학과 기계 학습을 적용하여 풍부하고 개인화된 경험의 설계와 전송을 획기적으로 개선합니다. Adobe Experience Platform을 사용하여 Kinesis 데이터 스트림을 소비하는 방법에 대한 자세한 내용은 [Amazon Kinesis 커넥터](https://experienceleague.adobe.com/docs/experience-platform/sources/connectors/cloud-storage/kinesis.html)를 참조하세요.

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

Druid는 스트리밍 및 배치 데이터에 대한 1초 미만의 쿼리를 규모와 부하에 맞게 전송하는 고성능 실시간 분석 데이터베이스입니다. Apache Druid를 사용하여 Kinesis 데이터 스트림을 수집하는 방법에 대한 자세한 내용은 [Amazon Kinesis 수집](https://druid.apache.org/docs/latest/development/extensions-core/kinesis-ingestion.html)을 참조하세요.

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

Apache Spark는 대규모 데이터 처리를 위한 통합 분석 엔진으로서, Java, Scala, Python 및 R의 고급 API와 일반 실행 그래프를 지원하는 최적화된 엔진을 제공합니다. Apache Spark를 사용하여 Kinesis 데이터 스트림의 데이터를 소비하는 스트림 처리 애플리케이션을 구축할 수 있습니다.

Apache Spark Structured Streaming을 사용하여 Kinesis 데이터 스트림을 소비하려면 Amazon Kinesis Data Streams [커넥터](https://github.com/awslabs/spark-sql-kinesis-connector)를 사용합니다. 이 커넥터는 향상된 팬아웃을 사용한 소비를 지원합니다. 이 경우 애플리케이션에 샤드당 초당 최대 2MB 데이터의 전용 읽기 처리량을 제공합니다. 자세한 내용은 [Developing Custom Consumers with Dedicated Throughput (Enhanced Fan-Out)](https://docs.aws.amazon.com/streams/latest/dev/enhanced-consumers.html)을 참조하세요.

Spark Streaming을 사용하여 Kinesis 데이터 스트림을 소비하는 방법에 대한 자세한 내용은 [Spark Streaming \$1 Kinesis Integration](https://spark.apache.org/docs/latest/streaming-kinesis-integration.html)을 참조하세요.

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

Databricks는 데이터 엔지니어링, 데이터 과학 및 기계 학습을 위한 협업 환경을 제공하는 클라우드 기반 플랫폼입니다. Databricks를 사용하여 Kinesis 데이터 스트림을 소비하는 방법에 대한 자세한 내용은 [Connect Amazon Kinesis](https://docs.databricks.com/structured-streaming/kinesis.html)를 참조하세요.

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

Confluent Platform은 Kafka를 기반으로 구축되었으며 기업이 실시간 데이터 파이프라인과 스트리밍 애플리케이션을 구축하고 관리하는 데 도움이 되는 추가 기능을 제공합니다. Confluent Platform을 사용하여 Kinesis 데이터 스트림을 소비하는 방법에 대한 자세한 내용은 [Amazon Kinesis Source Connector for Confluent Platform](https://docs.confluent.io/kafka-connectors/kinesis/current/overview.html#features)을 참조하세요.

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

Kinesumer는 Kinesis 데이터 스트림을 위한 클라이언트 측 분산 소비자 그룹 클라이언트를 구현하는 Go 클라이언트입니다. 자세한 내용은 [Kinesumer GitHub 리포지토리](https://github.com/daangn/kinesumer)를 참조하세요.

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

Talend는 사용자가 확장 가능하고 효율적인 방식으로 다양한 소스의 데이터를 수집, 변환 및 연결할 수 있는 데이터 통합 및 관리 소프트웨어입니다. Talend를 사용하여 Kinesis 데이터 스트림을 소비하는 방법에 대한 자세한 내용은 [Connect talend to an Amazon Kinesis stream](https://help.talend.com/r/en-US/Cloud/connectors-guide/connector-kinesis)을 참조하세요.