Flujo de datos sin servidor

Streaming de datos con AWS Kinesis y Lambda

Maksim Pecherskiy

Data Engineer

Repaso

z8HRk.png

Streaming de datos con AWS Kinesis y Lambda

Particionado actual

FMktI.png

Streaming de datos con AWS Kinesis y Lambda

Filtrar infractores

IPwGK.png

Streaming de datos con AWS Kinesis y Lambda

Agregar por día

tvBXx.png

Streaming de datos con AWS Kinesis y Lambda

Abrir recordReaderS3

aIahM.png

Streaming de datos con AWS Kinesis y Lambda

Editando recordReaderS3

...
import pytz
from datetime import datetime
tz = pytz.timezone('America/Los_Angeles')
Streaming de datos con AWS Kinesis y Lambda

Editando recordReaderS3

def record_created_handler(event, context):

    ...
    ## Get top speeds that exceed the limit of 45
    too_fast = top_speeds.loc[top_speeds.speed > SPEED_ALERT_THRESHOLD :]

    ## Generate object key
    fdate = datetime.now(tz).strftime("%Y%m%d/%HH%MM%SS")
    obj_key = f"speeders/{fdate}.csv" # filename in speeders folder


    ## Write the object to S3
    s3.put_object(Bucket='sd-vehicle-data', 
                  Key=obj_key,
                  Body=too_fast.to_csv(sep=" ", index=False)
    )
Streaming de datos con AWS Kinesis y Lambda

Guardar infractores por fecha y hora

s3QY4.png

Streaming de datos con AWS Kinesis y Lambda

speederAggregator

tvBXx.png

Streaming de datos con AWS Kinesis y Lambda

Crear speederAggregator

3pGYX.png

Streaming de datos con AWS Kinesis y Lambda

Añadir capa AWS Data Wrangler

7TO0V.png

Streaming de datos con AWS Kinesis y Lambda

Recursos de speederAggregator

sO0op.png

Streaming de datos con AWS Kinesis y Lambda

Crear el disparador programado

4Qi4i.png

Streaming de datos con AWS Kinesis y Lambda

y0FkQ.png

cron(50 6 * * ? *)
  • En el minuto 50
  • De la 6.ª hora (UTC)
  • De todos los días del mes
  • De todos los meses
  • De todos los días de la semana
  • De todos los años
Streaming de datos con AWS Kinesis y Lambda

Callback de speederAggregator

import boto3, pytz, pandas as pd

s3 = boto3.client("s3" ...)
...

def speeder_aggregator(event, context):
    tz = pytz.timezone('America/Los_Angeles')
    filter_date = datetime.now(tz).strftime("%Y%m%d")
Streaming de datos con AWS Kinesis y Lambda

Callback de speederAggregator

def speeder_aggregator(event, context):
  ...
  objects = s3.list_objects_v2(
      Bucket='sd-vehicle-data', Prefix=f'speeders/{filter_date}')
  day_data = []


  for obj in objects['Contents']:
      print(obj['Key'])
      day_record = s3.get_object(Bucket='sd-vehicle-data', Key = obj['Key'])
      day_data.append(
          pd.read_csv(day_record['Body'], delimiter = " "))

  # Concatenate new records into a single dataframe.
  data = pd.concat(day_data)
  data.columns = ["record_id", "timestamp", "vin", "lon", "lat", "speed"]
Streaming de datos con AWS Kinesis y Lambda

Paquete awswrangler

import awswrangler as wr

session = boto3.Session(aws_access_key_id = AWS_KEY, 
                        aws_secret_access_key = AWS_SECRET, region_name="us-east-1")

df = wr.s3.read_csv(f"s3://sd-vehicle-data/speeders/{filter_date}")      
df.head()
Streaming de datos con AWS Kinesis y Lambda

Método antiguo vs awswrangler

def speeder_aggregator(event, context):
  ...
  objects = s3.list_objects_v2(
      Bucket='sd-vehicle-data', Prefix=f'speeders/{filter_date}')
  day_data = []

  for obj in objects['Contents']:
      print(obj['Key'])
      day_record = s3.get_object(Bucket='sd-vehicle-data', Key = obj['Key'])
      day_data.append(
          pd.read_csv(day_record['Body'], delimiter = " "))

  # Concatenate new records into a single dataframe.
  data = pd.concat(day_data)
  data.columns = ["record_id", "timestamp", "vin", "lon", "lat", "speed"]
Streaming de datos con AWS Kinesis y Lambda

Método antiguo vs awswrangler

import awswrangler as wr

session = boto3.Session(aws_access_key_id = AWS_KEY, 
                        aws_secret_access_key = AWS_SECRET, region_name="us-east-1")
def speeder_aggregator(event, context):
    df = wr.s3.read_csv(f"s3://sd-vehicle-data/speeders/{filter_date}")      
    df.head()
Streaming de datos con AWS Kinesis y Lambda

Escribir archivo agregado de infractores

wr.s3.to_csv(df, 
             f"s3://sd-vehicle-data/speeders_daily/{filter_date}.csv", 
             boto3_session=session, 
             sep=" ", index=False)
Streaming de datos con AWS Kinesis y Lambda

Guardar y probar

agF2b.png

Streaming de datos con AWS Kinesis y Lambda

Activar el disparador

COfYY.png

Streaming de datos con AWS Kinesis y Lambda

Repaso

u1Jwm.png

Streaming de datos con AWS Kinesis y Lambda

Repaso

7ZYPV.png

Streaming de datos con AWS Kinesis y Lambda

Repaso

  • Cron para programar
  • wr.s3.read_csv()
  • wr.s3.write_csv()
Streaming de datos con AWS Kinesis y Lambda

¡Vamos a practicar!

Streaming de datos con AWS Kinesis y Lambda

Preparing Video For Download...