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.
# Leitura a partir do Kinesis Data Streams usando integrações de terceiros
Você pode ler os dados dos fluxos de dados do Amazon Kinesis Data Streams usando uma das opções de terceiros a seguir que se integrem ao Kinesis Data Streams: Selecione a opção desejada e encontre recursos e links para a documentação relevante.
**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
O Apache Flink é um framework de código aberto distribuído para computações com estado em fluxos de dados delimitados e não delimitados. Para obter mais informações sobre o consumo do Kinesis Data Streams usando o 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 Adobe Experience Platform permite que as organizações centralizem e padronizem dados dos clientes em qualquer sistema. Em seguida, a plataforma aplica ciência de dados e machine learning para melhorar significativamente o design e a entrega de experiências ricas e personalizadas. Para obter mais informações sobre o consumo de fluxo de dados do Kinesis usando a Adobe Experience Platform, consulte [Conector do Amazon Kinesis](https://experienceleague.adobe.com/docs/experience-platform/sources/connectors/cloud-storage/kinesis.html).
# Apache Druid
O Druid é um banco de dados de analytics em tempo real de alta performance que entrega consultas em menos de um segundo feitas em dados de fluxo e lote em escala e sob carga. Para obter mais informações sobre a ingestão de fluxos de dados do Kinesis usando o Apache Druid, consulte [Ingestão do Amazon Kinesis](https://druid.apache.org/docs/latest/development/extensions-core/kinesis-ingestion.html).
# Apache Spark
O Apache Spark é um mecanismo de analytics unificado para processamento de dados em grande escala. Ele fornece alto nível APIs em Java, Scala, Python e R e um mecanismo otimizado que suporta gráficos de execução geral. Você pode usar o Apache Spark para criar aplicações de processamento de fluxos que consumam os dados nos fluxos de dados do Kinesis.
Para consumir os fluxos de dados do Kinesis usando o Apache Spark Structured Streaming, use o [conector](https://github.com/awslabs/spark-sql-kinesis-connector)do Amazon Kinesis Data Streams. Esse conector é compatível com o consumo com a distribuição avançada, o que fornece à sua aplicação throughput de leitura dedicada de até 2 MB de dados por segundo por fragmento. Para ter mais informações, consulte [Desenvolver consumidores personalizados com throughput dedicado (distribuição avançada)](https://docs.aws.amazon.com/streams/latest/dev/enhanced-consumers.html).
Para o consumo de fluxos de dados do Kinesis usando o Spark Streaming, consulte [Spark Streaming \$1 integração com Kinesis](https://spark.apache.org/docs/latest/streaming-kinesis-integration.html).
# Databricks
O Databricks é uma plataforma baseada em nuvem que fornece um ambiente colaborativo para engenharia de dados, ciência de dados e machine learning. Para obter mais informações sobre o consumo de fluxos de dados do Kinesis usando Databricks, consulte [Conectar ao Amazon Kinesis](https://docs.databricks.com/structured-streaming/kinesis.html).
# Kafka Confluent Platform
A Confluent Platform, construída com base no Kafka, fornece recursos e funcionalidades adicionais que ajudam as empresas a criar e gerenciar pipelines de dados e aplicações de fluxo em tempo real. Para obter mais informações sobre o consumo de fluxos de dados do Kinesis usando a Confluent Platform, consulte [Amazon Kinesis Source Connector for Confluent Platform](https://docs.confluent.io/kafka-connectors/kinesis/current/overview.html#features).
# Kinesumer
O Kinesumer é um cliente para Go que implementa um cliente do grupo de consumidores distribuídos no lado do cliente para os fluxos de dados do Kinesis. Para obter mais informações, consulte o [repositório do Kinesumer no GitHub](https://github.com/daangn/kinesumer).
# Talend
O Talend é um software de integração e gerenciamento de dados que permite que os usuários coletem, transformem e conectem dados de várias fontes de maneira escalável e eficiente. Para obter mais informações sobre o consumo de fluxos de dados Kinesis usando o Talend, consulte [Conectar o Talend a um fluxo Amazon Kinesis](https://help.talend.com/r/en-US/Cloud/connectors-guide/connector-kinesis).