Módulo 17 · Panorama: datos, IA y más servicios/Lección 111
Datos y analítica
Consultar, transformar, transmitir y visualizar datos: Athena, Glue, Kinesis, Redshift, EMR, OpenSearch y Quick.
Toda aplicación produce datos: ventas, clics, registros, lecturas de sensores. Esos datos sirven de poco sueltos. La analítica es el proceso de recogerlos, ordenarlos, guardarlos en el lugar correcto y convertirlos en respuestas: cuánto vendimos ayer, qué producto falla más, qué cliente está por irse.
AWS tiene un servicio para cada paso. Para el examen no necesitas configurarlos: necesitas saber qué hace cada uno y reconocer cuál encaja en un escenario.
Los servicios, uno por uno
Amazon Kinesis
La mensajería que no para
Captura y procesa flujos de datos en tiempo real, como clics, registros o lecturas de sensores. Kinesis Data Streams guarda el flujo para que tus aplicaciones lo consuman.
Amazon Data Firehose
El camión que lleva el flujo a la bodega
Antes Kinesis Data Firehose. Toma un flujo de datos y lo entrega, sin servidores que administrar, en destinos como S3, Redshift u OpenSearch Service. Puede transformar y comprimir en el camino.
AWS Glue
El catalogador y el taller de limpieza
Servicio serverless de integración de datos. Su Data Catalog registra qué tablas y columnas hay en tus datos (los crawlers las descubren solos), y sus trabajos de ETL extraen, transforman y cargan datos de un formato a otro.
Amazon Athena
Preguntarle al archivo sin moverlo
Consultas SQL directamente sobre archivos en S3, sin cargar los datos en una base ni administrar servidores. Pagas por las consultas que ejecutas. Usa el catálogo de Glue para saber cómo leer los archivos.
Amazon Redshift
La oficina de estadística
Data warehouse administrado: una base de datos optimizada para consultas analíticas sobre grandes volúmenes de datos estructurados, con SQL. Para informes complejos que se repiten.
Amazon EMR
La fábrica de procesamiento masivo
Plataforma administrada para correr frameworks de big data de código abierto como Apache Spark, Hadoop, Hive o Presto, sobre grandes volúmenes de datos.
Amazon OpenSearch Service
El buscador de la biblioteca
Búsqueda y análisis de texto y registros casi en tiempo real: buscar en un catálogo, analizar logs de aplicaciones, observabilidad. Basado en OpenSearch, de código abierto.
Amazon Quick
La sala de tableros
Antes Amazon QuickSight. Su parte de inteligencia de negocios, Amazon Quick Sight, crea tableros interactivos y reportes, y permite preguntar en lenguaje natural. Hoy también incluye agentes de IA para el trabajo diario.
AWS Lake Formation
La portería del archivo central
Ayuda a crear, asegurar y administrar un lago de datos en S3, con permisos detallados por base, tabla, columna o fila, en un solo lugar.
Lago de datos y data warehouse
Dos ideas que el examen da por sabidas. Un lago de datos (data lake) guarda datos de todo tipo, en bruto y en su formato original, normalmente en S3. Es barato y flexible: decides cómo leer los datos cuando los consultas. Un data warehouse guarda datos ya limpios y estructurados, pensados para consultas analíticas rápidas y repetidas. En AWS, el lago vive en S3 y el warehouse es Redshift. Muchas empresas usan los dos.
Un flujo completo: de la ingesta al tablero
Una tienda en línea quiere un tablero con las ventas del día, actualizado cada pocos minutos.
- 1
Ingesta
La aplicación envía cada venta a Kinesis Data Streams. Amazon Data Firehose toma ese flujo y lo guarda en S3 en lotes. - 2
Almacenamiento
S3 es el lago de datos: guarda los archivos en bruto, baratos y durables. Lake Formation controla quién puede leer qué. - 3
Catálogo y transformación
Un crawler de Glue descubre el esquema y lo registra en el Data Catalog. Un trabajo de ETL de Glue limpia los datos y los convierte a un formato eficiente. - 4
Consulta
Athena consulta los datos en S3 con SQL. Para informes pesados y recurrentes, los datos se cargan en Redshift. - 5
Visualización
Amazon Quick se conecta a Athena o Redshift y muestra el tablero de ventas.
Quiz
Pon a prueba lo que aprendiste
0 de 5 correctas · 5 sin responder
1.Un analista quiere consultar con SQL archivos CSV guardados en S3 sin cargar los datos en una base ni administrar servidores. ¿Qué servicio usa?
2.Una empresa necesita capturar millones de eventos de clics por minuto y procesarlos en tiempo real. ¿Qué servicio encaja?
3.¿Qué servicio descubre el esquema de tus datos, lo guarda en un catálogo y ejecuta trabajos de ETL?
4.La gerencia quiere tableros interactivos con las ventas de la empresa. ¿Qué servicio de AWS usa?
5.Un equipo ya tiene trabajos de Apache Spark y Hadoop y quiere correrlos en AWS sin administrar el clúster a mano. ¿Qué servicio elige?