新闻详情

新闻详情

首页 / 资讯中心 / 详情

使用 AWS SDK for Kotlin 操作 Amazon Data Firehose:创建、写入与删除 Delivery Stream 实战指南

发布时间:2026/11/12 13:06:03来源:尧图网络
使用 AWS SDK for Kotlin 操作 Amazon Data Firehose:创建、写入与删除 Delivery Stream 实战指南
示例工程教程后端【免费下载链接】aws-doc-sdk-examplesWelcome to the AWS Code Examples Repository. This repo contains code examples used in the AWS documentation, AWS SDK Developer Guides, and more. For more information, see the Readme.md file below.项目地址https://gitcode.com/gh_mirrors/aw/aws-doc-sdk-examples点击查看免费下载导读本文基于本仓库 kotlin/services/firehose 目录下的完整示例代码系统讲解如何用 AWS SDK for Kotlin 与 Amazon Data Firehose 交互。Amazon Data Firehose 是一项完全托管的服务用于将实时流式数据可靠地交付到 AWS 目的地如 Amazon S3和第三方 HTTP 端点。读完本文你将掌握 Delivery Stream 的创建、列表查询、单条记录写入PutRecord、批量写入PutRecordBatch与删除的完整 API 调用链并理解其配套的测试机制与前置条件。示例总览本目录的 README 罗列了 5 个自定义示例全部位于 src/main/kotlin/com/kotlin/firehose/ 目录下示例文件名功能CreateDeliveryStreamCreateDeliveryStream.kt创建一条交付流Delivery StreamDeleteStreamDeleteStream.kt删除一条交付流ListDeliveryStreamsListDeliveryStreams.kt列出账户下所有交付流PutBatchRecordsPutBatchRecords.kt批量写入多条数据记录并用响应对象逐条核对写入结果PutRecordPutRecord.kt向交付流写入单条数据记录此外目录中还包含两个数据模型辅助类 StockTrade.kt 与 StockTradeGenerator.kt用于批量写入示例中模拟实时股票交易数据流。运行前置条件根据 kotlin/README.md 的说明运行本目录示例需要满足一个有效的 AWS 账户已按 AWS SDK for Kotlin Developer Guide 配置好默认凭证与默认 AWS Region推荐使用 Gradle 搭建 AWS SDK for Kotlin 项目的开发环境参见 Get started with the AWS SDK for Kotlin。需要特别注意的几点费用提示运行这些示例代码或测试可能对你的 AWS 账户产生费用最小权限原则建议按最小权限least privilege授予代码运行所需的最低 IAM 权限区域可用性示例代码并未在所有 AWS 区域测试过某些服务可能仅在特定区域可用。从源码看示例统一将客户端 region 硬编码为us-west-2如 CreateDeliveryStream.kt请确保你的账户支持在us-west-2使用 Data Firehose。创建 Delivery Stream创建交付流是使用 Firehose 的第一步。该示例要求三个命令行参数Usage: bucketARN roleARN streamName Where: bucketARN - 数据流写入的 Amazon S3 桶的 ARN。 roleARN - IAM 角色的 ARN该角色持有 Kinesis Data Firehose 所需的权限。 streamName - 交付流的名称。核心代码位于 CreateDeliveryStream.ktsuspend fun createStream( bucketARNVal: String?, roleARNVal: String?, streamName: String?, ) { val destinationConfiguration ExtendedS3DestinationConfiguration { bucketArn bucketARNVal roleArn roleARNVal } val request CreateDeliveryStreamRequest { deliveryStreamName streamName extendedS3DestinationConfiguration destinationConfiguration deliveryStreamType DeliveryStreamType.DirectPut } FirehoseClient.fromEnvironment { region us-west-2 }.use { firehoseClient - val streamResponse firehoseClient.createDeliveryStream(request) println(Delivery Stream ARN is ${streamResponse.deliveryStreamArn}) } }关键点解读ExtendedS3DestinationConfiguration指明数据的目的地是 Amazon S3必须同时提供 S3 桶 ARNbucketArn和具有写入权限的 IAM 角色 ARNroleArnDeliveryStreamType.DirectPut表示该流通过PutRecord/PutRecordBatch直接写入而不是从 Kinesis Data Streams 等上游摄取FirehoseClient.fromEnvironment { region us-west-2 }从环境变量/凭证链读取凭证并显式指定区域创建成功后响应中的deliveryStreamArn即为新流的 ARN。需要注意创建的流需要一段时间才能进入 ACTIVE 状态。在仓库的测试中创建后等待了 15 分钟才继续写入操作见下文测试章节。列出全部 Delivery StreamListDeliveryStreams.kt 展示了如何分页列出账户下的所有交付流suspend fun listStreams() { FirehoseClient.fromEnvironment { region us-west-2 }.use { firehoseClient - val response firehoseClient.listDeliveryStreams(ListDeliveryStreamsRequest {}) response.deliveryStreamNames?.forEach { item - println(The delivery stream name is $item) } } }该示例无需命令行参数直接调用listDeliveryStreams遍历响应中的deliveryStreamNames并打印每个流的名称。生产环境中当流数量较多时可结合ExclusiveStartDeliveryStreamName与Limit参数实现真正的分页遍历。写入单条记录PutRecordPutRecord.kt 演示了如何向交付流写入一条数据。命令行用法Usage: textValue streamName Where: textValue - 写入数据流的文本内容。 streamName - 数据流名称。核心代码位于 PutRecord.ktsuspend fun putSingleRecord( textValue: String, streamName: String?, ) { val bytes textValue.toByteArray() val recordOb Record { data bytes } val request PutRecordRequest { deliveryStreamName streamName record recordOb } FirehoseClient.fromEnvironment { region us-west-2 }.use { firehoseClient - val recordResponse firehoseClient.putRecord(request) println(The record ID is ${recordResponse.recordId}) } }要点Firehose 的Record只包含一个data字段类型为字节数组ByteArray因此写入前需要将文本内容编码为字节textValue.toByteArray()默认使用 UTF-8 编码PutRecordRequest需要同时指定目标deliveryStreamName和record响应中的recordId由服务端生成可用于后续追踪该条记录的处理状态例如配合 S3 对象路径中的 Firehose 记录 ID。批量写入记录PutRecordBatchPutBatchRecords.kt 演示了批量写入场景——这是吞吐量敏感的生产场景中推荐的做法。该示例模拟了一个股票交易行情源持续生成交易数据并分批发送suspend fun addStockTradeData(streamName: String?) { try { val recordList mutableListOfRecord() // 每 100 毫秒发送一条模拟股票交易 val stockTradeGenerator StockTradeGenerator() val index 100 // 用 StockTrade 数据填充列表 for (x in 0 until index) { val trade stockTradeGenerator.randomTrade val bytes trade.toJsonAsBytes() val myRecord Record { data bytes } println(Adding trade: $trade) recordList.add(myRecord) delay(100) } val request PutRecordBatchRequest { deliveryStreamName streamName records recordList } FirehoseClient.fromEnvironment { region us-west-2 }.use { firehoseClient - val recordResponse firehoseClient.putRecordBatch(request) println(The number of records added is ${recordResponse.requestResponses?.size}) } } catch (e: InterruptedException) { println(e.localizedMessage) exitProcess(0) } }核心要点数据由 StockTradeGenerator.kt 生成它内置了 25 只常见股票的基准价格如 AAPL 119.72、GOOG 527.83 等以 ±20% 的随机波动生成价格以 40% 概率生成 SELL、其余为 BUY并在 110000 股之间随机生成交易数量同时用AtomicLong生成递增的交易 ID每条交易经 StockTrade.kt 的toJsonAsBytes()方法基于 JacksonObjectMapper序列化为 JSON 字节数组后封装进Record循环内使用delay(100)kotlinx.coroutines模拟 100 毫秒的发送间隔PutRecordBatchRequest.records接收ListRecord一次请求最多携带 500 条记录或 4 MB 数据服务端限制响应中的requestResponses数组与请求记录一一对应README 特别强调可通过它逐条核对每条记录的写入结果检查是否存在ErrorCode这是批量写入场景中定位失败记录的关键手段。删除 Delivery StreamDeleteStream.kt 演示了清理操作命令行只需要一个参数Usage: streamName Where: streamName - 交付流名称。核心代码位于 DeleteStream.ktsuspend fun delStream(streamName: String) { val request DeleteDeliveryStreamRequest { deliveryStreamName streamName } FirehoseClient.fromEnvironment { region us-west-2 }.use { firehoseClient - firehoseClient.deleteDeliveryStream(request) println(Delivery Stream $streamName is deleted) } }删除是幂等的清理操作配合上面三个示例即可构成“创建 → 写入 → 列出 → 删除”的完整生命周期闭环。测试与验证机制仓库为该目录提供了 JUnit 集成测试 FirehoseTest.kt它按顺序编排了全部 5 个 API 的端到端验证createDeliveryStreamTestOrder 1创建一条带随机 UUID 后缀的交付流putRecordsTestOrder 2先等待 15 分钟让流进入可用状态再调用putSingleRecord写入单条记录putBatchRecordsTestOrder 3调用addStockTradeData批量写入模拟股票数据listDeliveryStreamsTestOrder 4调用listStreams验证列表接口deleteStreamTestOrder 5调用delStream删除测试创建的流。测试的输入参数并非硬编码而是从 AWS Secrets Manager 中的test/firehose密钥读取bucketARN、roleARN、newStream、textValue再通过 Gson 反序列化到SecretValues数据类。测试使用了TestInstance(Lifecycle.PER_CLASS)与TestMethodOrder(OrderAnnotation::class)确保顺序执行并用runBlocking包装协程。这与 kotlin/README.md 描述的运行方式一致既可以在 IntelliJ 等 IDE 中直接运行 JUnit 测试也可以从命令行执行测试运行时会在控制台输出Test N passed之类的进度信息。需要注意的是运行这些测试同样可能产生 AWS 账户费用且要求对应的 Secrets Manager 密钥已存在。运行方式与延伸资源运行示例针对每个示例文件先设置 AWS 凭证再按各文件注释中的Usage传入对应参数执行。示例源码中的main函数均为suspend fun说明需要运行在协程上下文中可直接用runBlocking包装参考测试代码的写法。延伸学习资源README 中给出本文不展开Data Firehose User GuideData Firehose API ReferenceSDK for Kotlin Data Firehose reference若要继续深入仓库 kotlin 根目录还提供了完整的 SDK for Kotlin 示例总览与 Docker 镜像Beta使用说明本目录的 README.md 则是本次讲解的原始依据文档。Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved. SPDX-License-Identifier: Apache-2.0赞分享示例工程教程后端【免费下载链接】aws-doc-sdk-examplesWelcome to the AWS Code Examples Repository. This repo contains code examples used in the AWS documentation, AWS SDK Developer Guides, and more. For more information, see the Readme.md file below.项目地址https://gitcode.com/gh_mirrors/aw/aws-doc-sdk-examples点击查看免费下载相关推荐AWS SDK for Java 2.x 实战使用 Amazon Data Firehose PutRecord 与 PutRecordBatch 批量写入 Delivery StreamAWS SDK for Java 2.x 实战使用 Amazon Data Firehose PutRecord 与 PutRecordBatch 批量写入示例工程教程后端使用 AWS SDK for JavaScript (v3) 操作 Amazon Transcribe转写任务创建、查询与删除实战使用 AWS SDK for JavaScript v3 操作 Amazon Transcribe转写任务创建、查询与删除实战 Amazon Transcri示例工程教程后端Klipper省耗材指南3D打印浪费少一半Klipper省耗材指南3D打印浪费少一半 Klipper 固件提供三项 3D 打印省耗材工具压力提前Pressure Advance让喷嘴流量与移动精示例工程教程后端上一篇3分钟上手HRNetAI面部关键点检测终极指南下一篇如何突破平台限制WorkshopDL跨平台工具让你畅享所有游戏模组创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉