Différence entre les flux Kinesis Stream et DynamoDB
Ils semblent me faire la même chose. Quelqu'un peut-il m'expliquer la différence?
Différence de niveau élevée entre les deux:
Kinesis Streams vous permet de produire et de consommer de gros volumes de données (journaux, données Web, etc.), où DynamoDB Streams est une fonctionnalité locale à DynamoDB qui vous permet de voir les modifications granulaires de vos éléments de table DynamoDB.
Plus de détails:
Amazon Kinesis Streams
Amazon Kinesis Streams fait partie de Big Data suite des services d'AWS. De la documentation développeur :
Vous pouvez utiliser Streams pour une saisie et une agrégation rapides et continues des données. Le type de données utilisées comprend les données de journal de l'infrastructure informatique, les journaux d'application, les médias sociaux, les flux de données du marché et les données de parcours de clics sur le Web. Voici des scénarios typiques d'utilisation de Streams:
Prise et traitement accélérés des journaux et des flux de données ...
Statistiques et rapports en temps réel ...
Analyse des données en temps réel ...
Traitement de flux complexe ...
Flux DynamoDB
DynamoDB est l'option NoSQL d'AWS et l'unité de base est tables qui stocke items. DynamoDB Streams est une fonctionnalité que vous pouvez activer pour produire toutes les modifications apportées à items en tant que flux en temps réel à mesure que les modifications se produisent. Lorsque vous activez la fonctionnalité, vous choisissez ce qui est écrit dans le flux:
- Clés uniquement - uniquement les attributs clés de l'élément modifié.
- Nouvelle image - l'élément entier, tel qu'il apparaît après sa modification.
- Ancienne image - l'élément entier, tel qu'il apparaissait avant sa modification.
- Nouvelles et anciennes images - à la fois les nouvelles et les anciennes images de l'article
Les flux DynamoDB sont couramment utilisés pour la réplication ou les audits de table. Plus d'informations peuvent être trouvées sur le guide du développeur sur les flux DynamoDB .
Je peux voir où vous pourriez vous être trompé si vous êtes tombé sur cet article en premier , ce qui dit qu'ils sont similaires. Ce sont différents services qui partagent des appels API similaires.