Após uma análise cuidadosa, decidimos descontinuar o Amazon Kinesis Data Analytics para aplicativos SQL:

1. A partir de **1º de setembro de 2025,** não forneceremos nenhuma correção de bug para aplicativos do Amazon Kinesis Data Analytics para SQL porque teremos suporte limitado para ele, devido à próxima descontinuação.

2. A partir **de 15 de outubro de 2025,** você não poderá criar novos aplicativos Kinesis Data Analytics para SQL.

3. Excluiremos as aplicações a partir de **27 de janeiro de 2026**. Você não poderá mais iniciar nem operar as aplicações do Amazon Kinesis Data Analytics para SQL. A partir dessa data, não haverá mais suporte ao Amazon Kinesis Data Analytics para SQL. Para obter mais informações, consulte [Descontinuação de aplicações do Amazon Kinesis Data Analytics para SQL](discontinuation.md).

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Etapa 2: criar um aplicativo
<a name="app-anom-score-create-app"></a>

Nesta seção, você cria um aplicativo Amazon Kinesis Data Analytics, como segue:
+ Configure a entrada do aplicativo para usar o fluxo de dados do Kinesis criado no [Etapa 1: preparar](app-anomaly-prepare.md) por você como a origem do streaming.
+ Use o modelo **Anomaly Detection (Detecção de anomalia)** no console. 

**Como criar uma aplicação do**

1. Siga as etapas 1, 2 e 3 no exercício do Kinesis Data Analytics **Conceitos básicos** (consulte [Etapa 3.1: criar um aplicativo](get-started-create-app.md)). 
   + Na configuração de origem, faça o seguinte:
     + Especifique a origem do streaming que você criou na seção anterior. 
     + Após o console inferir o esquema, edite-o e defina o tipo da coluna `heartRate` para `INTEGER`. 

       A maioria dos valores de frequência cardíaca são normais e o processo de descoberta provavelmente atribuirá o tipo `TINYINT` a esta coluna. Mas uma porcentagem pequena dos valores mostra uma frequência cardíaca alta. Se esses valores altos não forem adequados para o tipo `TINYINT`, o Kinesis Data Analytics enviará essas linhas para o fluxo de erro. Atualize o tipo de dados para `INTEGER` a fim de acomodar todos os dados de frequência cardíaca gerados.
   + Use o modelo **Anomaly Detection (Detecção de anomalia)** no console. Em seguida, atualize o código de modelo para fornecer o nome apropriado à coluna.

1. Atualize o código de aplicativo fornecendo nomes de colunas. O código de aplicativo resultante é mostrado a seguir (cole esse código no editor SQL):

   ```
   --Creates a temporary stream.
   CREATE OR REPLACE STREAM "TEMP_STREAM" (
   	        "heartRate"        INTEGER,
   	        "rateType"         varchar(20),
   	        "ANOMALY_SCORE"    DOUBLE);
   
   --Creates another stream for application output.	        
   CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (
   	        "heartRate"        INTEGER,
   	        "rateType"         varchar(20),
   	        "ANOMALY_SCORE"    DOUBLE);
   
   -- Compute an anomaly score for each record in the input stream
   -- using Random Cut Forest
   CREATE OR REPLACE PUMP "STREAM_PUMP" AS 
      INSERT INTO "TEMP_STREAM"
         SELECT STREAM "heartRate", "rateType", ANOMALY_SCORE 
         FROM TABLE(RANDOM_CUT_FOREST(
                 CURSOR(SELECT STREAM * FROM "SOURCE_SQL_STREAM_001")));
   
   -- Sort records by descending anomaly score, insert into output stream
   CREATE OR REPLACE PUMP "OUTPUT_PUMP" AS 
      INSERT INTO "DESTINATION_SQL_STREAM"
         SELECT STREAM * FROM "TEMP_STREAM"
         ORDER BY FLOOR("TEMP_STREAM".ROWTIME TO SECOND), ANOMALY_SCORE DESC;
   ```

   

1. Execute o código SQL e revise os resultados no console do Kinesis Data Analytics:  
![\[Captura de tela do console mostrando a guia de análise em tempo real com dados resultantes em um fluxo no aplicativo.\]](http://docs.aws.amazon.com/pt_br/kinesisanalytics/latest/dev/images/anom-v2-40.png)





**Próxima etapa**  
[Etapa 3: Configuração da saída de aplicativo](app-anomaly-create-ka-app-config-destination.md)