【文件属性】：
文件名称：denver-service-request-events
文件大小：13.4MB
文件格式：ZIP
更新时间：2021-03-14 06:29:16
Python
丹佛服务请求事件
丹佛服务请求事件
该项目
前言
对于测试交付，此处的数据集相对较小（来自丹佛开放数据目录（ ）的数据）。 您应该进行此测试，就好像数据是实际大小的1000倍并且经常通过实时事件进行更新一样。
方法
可能有多种方法来应对这一挑战，但此处使用的方法是AWS Cloud，它通过使用EC2，Kinesis Data Firehose，S3，Glue，Athena，Redshift，Quicksight，Kinesis Data Streams， DynamoDB Lambda。
数据管道
数据流：
Kinesis Data Firehose-从Amazon EC2实例上生成的事件中捕获数据，并将由Kinesis Agent进行监视。
S3-将来自Kinesis Data Firehouse的事件发布到S3中的数据湖屋中，该事件可以通过多种方式使用
AWS Glue-从
【文件预览】：
denver-service-request-events-master
----queries.sql(2KB)
----README.md(4KB)
----agent.json(2KB)
----EventGenerator.py(2KB)
----denver-service-request.docx(9.45MB)
----images()
--------serviceRequestCallsHourly.png(65KB)
--------trafficNearNeihborhood.png(88KB)
--------caseStatusRatio.png(64KB)
--------top5Events.png(700KB)
--------monthlyVolumeServiceRequest.png(78KB)
--------geographicAreas.png(371KB)
--------caseTypeAreaWise.png(506KB)
--------monthlyTrend.png(60KB)
--------FutureScope.png(306KB)
--------firstCallResolution.png(603KB)
--------sourceGenerated.png(551KB)
--------topTenMostCommonCases.png(167KB)
--------typeAccidentsInArea.png(578KB)
--------DataPipeline.png(228KB)
--------tenMostBusyDep.png(65KB)
--------monthly_trend_copy(1B)
----~$nver-service-request.docx(162B)
----lambda_function.py(3KB)