Capturez, transformez et chargez facilement des données de streaming. Créez un flux de diffusion, sélectionnez la destination et commencez à diffuser des données en temps réel en quelques clics.
Allouez et mettez à l'échelle automatiquement les ressources de calcul, de mémoire et de réseau sans administration permanente.
Transformez les données de streaming non traitées dans des formats tels que Apache Parquet et partitionnez dynamiquement les données de streaming sans besoin de créer vos propres pipelines de traitement.
Sélectionnez la source de votre flux de données, par exemple une rubrique dans HAQM Managed Streaming for Kafka (MSK), un flux dans Kinesis Data Streams, ou écrivez des données à l’aide de l’API Firehose Direct PUT. HAQM Data Firehose est intégré à plus de 20 services AWS. Vous pouvez donc configurer un flux à partir de sources telles que les bases de données (version préliminaire), HAQM CloudWatch Logs, les journaux d’ACL Web AWS WAF, les journaux d’AWS Network Firewall, HAQM SNS ou AWS IoT.
Indiquez si vous souhaitez convertir votre flux de données dans des formats tels que Parquet ou ORC, décompresser les données, effectuer des transformations de données personnalisées à l’aide de votre propre fonction AWS Lambda ou partitionner dynamiquement les enregistrements d’entrée en fonction d’attributs à diffuser à différents emplacements.
Sélectionnez une destination pour votre flux, telle qu’HAQM S3, HAQM OpenSearch Service, HAQM Redshift, Splunk, Snowflake, les tables Apache Iceberg, les tableaux HAQM S3(version préliminaire) ou un point de terminaison HTTP personnalisé.
Pour plus d’informations sur HAQM Data Firehose, consultez la documentation d’HAQM Data Firehose.
Diffusez des données dans HAQM S3 et convertissez des données dans des formats requis à des fins d'analyse sans avoir à créer des pipelines de traitement.
Contrôlez la sécurité du réseau en temps réel et créez des alertes lorsque surviennent des menaces potentielles à l'aide des outils pris en charge de gestion des informations et des événements de sécurité (SIEM).
Enrichissez vos flux de données avec les modèles de machine learning (ML) pour analyser les données et prédire les points de terminaison d'inférence à mesure que les flux se dirigent vers leur destination.