# Amazon Kinesis diferencias ## 1\. Kinesis Data Streams ### 📌 ¿Qué es? Kinesis Data Streams es un servicio de AWS que te permite **capturar, almacenar temporalmente y procesar** flujos de datos en tiempo real. Es perfecto cuando necesitas tener control completo sobre cómo se procesan los datos. ### 🤔 Analogía Imagina que estás organizando una **fiesta** y tienes diferentes actividades que hacer (comer, bailar, juegos). Cada invitado (dato) puede ir a la actividad que prefiera. Tú como organizador puedes controlar el tiempo que los invitados se quedan en cada actividad y cómo cambian de una a otra. ### 🔍 ¿Qué hace? * **Captura los datos** en fragmentos llamados "shards". * Permite **varios consumidores** para que diferentes sistemas puedan acceder a los datos. * **Almacena los datos** temporalmente para que puedas procesarlos con el tiempo. ### 🧑‍🍳 Escenario real Imagina que un banco quiere analizar las transacciones de sus clientes en tiempo real. Con Kinesis Data Streams, el banco puede capturar las transacciones y procesarlas inmediatamente para detectar fraudes o hacer recomendaciones personalizadas. ### 🧭 ¿Cuándo usarlo? * Necesitas **procesamiento en tiempo real**. * Tienes **múltiples aplicaciones** que necesitan leer los mismos datos. * Quieres **guardar los datos temporalmente** y procesarlos más tarde. ### 🛠️ Notas técnicas relevantes * **Duración de retención**: 24 h–7 días. * **Escalabilidad**: Puedes ajustar la capacidad según el volumen de datos. * **Requiere código** para consumir los datos. * **Latencia**: milisegundos. ## 📦 2. Kinesis Data Firehose ### 📌 ¿Qué es? Kinesis Data Firehose es un servicio administrado que **recibe datos en tiempo real** y los entrega a destinos como S3, Redshift, o OpenSearch sin necesidad de gestionar la infraestructura ni escribir mucho código. ### 🤔 Analogía Imagina que tienes una **tienda de comestibles**. Los productos llegan a tu tienda (los datos) y tú solo te encargas de moverlos directamente a las estanterías donde la gente los va a comprar. No necesitas hacer mucho más que asegurarte de que lleguen al lugar correcto. ### 🔍 ¿Qué hace? * Recibe los datos y los **entrega automáticamente** a servicios como S3 o Redshift. * Puede hacer **transformaciones ligeras** como cambiar el formato o comprimir los datos antes de enviarlos. * No requiere mucha administración. ### 🧑‍🍳 Escenario real Una empresa de análisis de datos de medios sociales puede usar Firehose para enviar los registros de actividad de los usuarios directamente a un almacenamiento en S3. Esto les permite procesar esos registros en lotes más tarde para hacer análisis de tendencias. ### 🧭 ¿Cuándo usarlo? * Si solo necesitas **almacenar o mover datos** a un servicio de destino. * No requieres **procesamiento complejo de datos**. * Quieres **mínima administración** y que el servicio lo haga todo automáticamente. ### 🛠️ Notas técnicas relevantes * **Un único consumidor**: el destino de los datos. * **Transformaciones básicas** con Lambda si es necesario. * **No retiene** datos, los procesa y entrega al instante. * **No requiere código**, salvo que quieras transformaciones. ## 📊 3. Kinesis Data Analytics ### 📌 ¿Qué es? Kinesis Data Analytics es un servicio que te permite **analizar datos en tiempo real** usando SQL. No necesitas escribir código tradicional, solo consultas SQL para procesar datos de streaming. ### 🤔 Analogía Es como tener una **hoja de cálculo** que se va llenando automáticamente con nuevos datos, y tú puedes usar fórmulas o consultas para obtener el análisis que necesitas de esos datos. ### 🔍 ¿Qué hace? * Se conecta a **Kinesis Data Streams** o **Firehose** para obtener los datos. * Puedes **realizar consultas SQL** para analizar los datos a medida que llegan. * Los resultados se pueden enviar a otros servicios para que se utilicen o se visualicen. ### 🧑‍🍳 Escenario real Una empresa de monitoreo de clima usa Data Streams para captar información de sensores de temperatura en tiempo real. Luego, con Kinesis Data Analytics, calculan la **temperatura promedio** de las últimas horas y envían la información a un dashboard para que el equipo vea el estado en vivo. ### 🧭 ¿Cuándo usarlo? * Necesitas **analizar datos en vivo** con SQL. * Quieres **obtener insights o métricas** en tiempo real. * Ya tienes **flujos de datos** en Streams o Firehose. ### 🛠️ Notas técnicas relevantes * **No funciona solo**: requiere Streams o Firehose como fuente de datos. * Admite funciones avanzadas como **ventanas de tiempo** (por ejemplo, promedios de los últimos 5 minutos). * **No almacena** datos; solo los procesa en tiempo real. * **No requiere código**, solo consultas SQL. ## ⚖️ Comparación rápida | Característica | Data Streams | Firehose | Data Analytics | | --- | --- | --- | --- | | Definición | Captura y procesa flujos | Entrega datos a destinos | Analiza flujos con SQL | | Analogía | Fiesta con actividades | Tienda de comestibles | Hoja de cálculo que se llena automáticamente | | ¿Requiere que escribas código? | ✅ Sí | ❌ No (opcional Lambda) | ❌ No (solo SQL) | | Transformaciones complejas en streaming | ✅ Sí | ⚠️ Solo ligeras con Lambda | ✅ Sí (consultas SQL) | | Múltiples consumidores | ✅ Sí | ❌ No | ❌ No (solo proceso único) | | Puede funcionar solo | ✅ Sí | ✅ Sí | ❌ No (necesita Streams o Firehose) | | Latencia | Milisegundos | ~1 minuto | En tiempo real | ## 🎯 Reglas simples para elegir | Necesidad | Servicio recomendado | | --- | --- | | Lógica personalizada y varios lectores | 🟢 Kinesis Data Streams | | Entregar datos a S3/Redshift/OpenSearch sin complicar | 🔵 Kinesis Data Firehose | | Analizar datos en vivo con consultas | 🟣 Kinesis Data Analytics (con Streams o Firehose) | ## ✅ Resumen final * **Streams** = control total y flexibilidad para procesamiento complejo. * **Firehose** = simplicidad y entrega automática sin mucha intervención. * **Analytics** = análisis en tiempo real con SQL sin necesidad de código adicional.