Após uma análise cuidadosa, decidimos descontinuar o Amazon Kinesis Data Analytics para aplicativos SQL:
1. A partir de **1º de setembro de 2025,** não forneceremos nenhuma correção de bug para aplicativos do Amazon Kinesis Data Analytics para SQL porque teremos suporte limitado para ele, devido à próxima descontinuação.
2. A partir **de 15 de outubro de 2025,** você não poderá criar novos aplicativos Kinesis Data Analytics para SQL.
3. Excluiremos as aplicações a partir de **27 de janeiro de 2026**. Você não poderá mais iniciar nem operar as aplicações do Amazon Kinesis Data Analytics para SQL. A partir dessa data, não haverá mais suporte ao Amazon Kinesis Data Analytics para SQL. Para obter mais informações, consulte [Descontinuação de aplicações do Amazon Kinesis Data Analytics para SQL](discontinuation.md).
As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Exemplo: janela em cascata usando um time stamp do evento
Quando uma consulta em janela processa cada janela de forma não sobreposta, é chamada de *janela em cascata*. Para obter detalhes, consulte [Janelas em cascata (Agregações usando GROUP BY)](tumbling-window-concepts.md). Este exemplo do Amazon Kinesis Data Analytics demonstra uma janela em cascata que usa um time stamp do evento, que é um time stamp criado pelo usuário que está incluído no streaming de dados. Ele usa essa abordagem, em vez de apenas usar ROWTIME, que é um time stamp criado pelo Kinesis Data Analytics quando o aplicativo recebe o registro. Use um time stamp do evento no streaming de dados se quiser criar uma agregação com base em quando um evento ocorreu, em vez de quando ele foi recebido pelo aplicativo. Neste exemplo, o valor de `ROWTIME` aciona a agregação a cada minuto, e os registros são agregados pelo `ROWTIME` e pelo horário do evento incluído.
Neste exemplo, você grava os registros a seguir em um stream do Amazon Kinesis. O valor `EVENT_TIME` é definido como 5 segundos no passado, para simular o atraso no processamento e na transmissão que pode criar um atraso de quando o evento ocorreu para quando o registro foi recebido no Kinesis Data Analytics.
```
{"EVENT_TIME": "2018-06-13T14:11:05.766191", "TICKER": "TBV", "PRICE": 43.65}
{"EVENT_TIME": "2018-06-13T14:11:05.848967", "TICKER": "AMZN", "PRICE": 35.61}
{"EVENT_TIME": "2018-06-13T14:11:05.931871", "TICKER": "MSFT", "PRICE": 73.48}
{"EVENT_TIME": "2018-06-13T14:11:06.014845", "TICKER": "AMZN", "PRICE": 18.64}
...
```
Em seguida, você cria um aplicativo Kinesis Data Analytics no, com Console de gerenciamento da AWS o stream de dados do Kinesis como fonte de streaming. O processo de descoberta lê os registros de exemplo na origem de streaming e infere um esquema no aplicativo com três colunas (`EVENT_TIME`, `TICKER` e `PRICE`) conforme mostrado a seguir.
Você usa o código do aplicativo com as funções `MIN` e `MAX` para criar uma agregação em janela dos dados. Em seguida, insira os dados resultantes em outro stream no aplicativo, conforme mostrado na captura de tela a seguir:
No procedimento a seguir, você cria um aplicativo do Kinesis Data Analytics que agrega valores no stream de entrada em uma janela em cascata com base em um horário de evento.
**Topics**
+ [Etapa 1: Criar um fluxo de dados Kinesis](#examples-window-tumbling-event-1)
+ [Etapa 2: Criar o aplicativo Kinesis Data Analytics](#examples-window-tumbling-event-2)
## Etapa 1: Criar um fluxo de dados Kinesis
Crie um fluxo de dados do Amazon Kinesis e preencha registros da seguinte forma:
1. [Faça login no Console de gerenciamento da AWS e abra o console do Kinesis em https://console.aws.amazon.com /kinesis.](https://console.aws.amazon.com/kinesis)
1. Selecione **Fluxos de dados** no painel de navegação.
1. Selecione **Create Kinesis stream (Criar stream do Kinesis)** e crie um stream com um estilhaço. Para obter mais informações, consulte [Criar um fluxo](https://docs.aws.amazon.com/streams/latest/dev/learning-kinesis-module-one-create-stream.html) no *Guia do desenvolvedor do Amazon Kinesis Data Streams*.
1. Para gravar registros em um streaming de dados do Kinesis em um ambiente de produção, recomendamos usar o [Kinesis Client Library](https://docs.aws.amazon.com/streams/latest/dev/developing-producers-with-kpl.html) ou a [API do Kinesis Data Streams](https://docs.aws.amazon.com/streams/latest/dev/developing-producers-with-sdk.html). Para simplificar, este exemplo usa o script Python a seguir para gerar registros. Execute o código para preencher os registros de marcador de exemplo. Esse código simples grava continuamente um registro de marcador aleatório no stream. Mantenha o script em execução para que você possa gerar o esquema do aplicativo em uma etapa posterior.
```
import datetime
import json
import random
import boto3
STREAM_NAME = "ExampleInputStream"
def get_data():
return {
"EVENT_TIME": datetime.datetime.now().isoformat(),
"TICKER": random.choice(["AAPL", "AMZN", "MSFT", "INTC", "TBV"]),
"PRICE": round(random.random() * 100, 2),
}
def generate(stream_name, kinesis_client):
while True:
data = get_data()
print(data)
kinesis_client.put_record(
StreamName=stream_name, Data=json.dumps(data), PartitionKey="partitionkey"
)
if __name__ == "__main__":
generate(STREAM_NAME, boto3.client("kinesis"))
```
## Etapa 2: Criar o aplicativo Kinesis Data Analytics
Crie um aplicativo Kinesis Data Analytics, da seguinte maneira:
1. [Abra o console do Managed Service for Apache Flink em https://console.aws.amazon.com /kinesisanalytics.](https://console.aws.amazon.com/kinesisanalytics)
1. Escolha **Create application (Criar aplicativo)**, insira um nome para o aplicativo e selecione **Create application (Criar aplicativo)**.
1. Na página de detalhes do aplicativo, escolha **Connect streaming data (Conectar dados de streaming)** para se conectar com a fonte.
1. Na página **Connect to source (Conectar com a fonte)**, faça o seguinte:
1. Escolha o stream criado na seção anterior.
1. Selecione **Discover schema (Descobrir esquema)**. Aguarde o console mostrar o esquema inferido e os registros de exemplos usados para inferir o esquema do stream do aplicativo criado. O esquema inferido tem três colunas.
1. Escolha **Edit Schema (Editar esquema)**. Mude **Column type (Tipo de coluna)** da coluna **EVENT\_TIME** para `TIMESTAMP`.
1. Escolha **Save schema and update stream samples**. Depois que o console salvar o esquema, escolha **Exit (Sair)**.
1. Escolha **Save and continue**.
1. Na página de detalhes de aplicativo, escolha **Go to SQL editor (Ir para o editor de SQL)**. Para iniciar o aplicativo, escolha **Yes, start application (Sim, iniciar o aplicativo)** na caixa de diálogo exibida.
1. No editor SQL, escreva o código do aplicativo e verifique os resultados da seguinte forma:
1. Copie o código de aplicativo a seguir e cole-o no editor.
```
CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (EVENT_TIME timestamp, TICKER VARCHAR(4), min_price REAL, max_price REAL);
CREATE OR REPLACE PUMP "STREAM_PUMP" AS
INSERT INTO "DESTINATION_SQL_STREAM"
SELECT STREAM STEP("SOURCE_SQL_STREAM_001".EVENT_TIME BY INTERVAL '60' SECOND),
TICKER,
MIN(PRICE) AS MIN_PRICE,
MAX(PRICE) AS MAX_PRICE
FROM "SOURCE_SQL_STREAM_001"
GROUP BY TICKER,
STEP("SOURCE_SQL_STREAM_001".ROWTIME BY INTERVAL '60' SECOND),
STEP("SOURCE_SQL_STREAM_001".EVENT_TIME BY INTERVAL '60' SECOND);
```
1. Escolha **Save and run SQL**.
Na guia **Real-time analytics (Análise em tempo real)**, você pode ver todos os fluxos de aplicativo criados pelo aplicativo e verificar os dados.