在一大三小：亚马逊，微软、谷歌、IBM ，IaaS四强争霸中，我们有报道过IaaS领域的硝烟弥漫，而Amazon在市场占有率上有着压倒性的优势——租用的计算资源是象限中其它14个供应商的5倍，IaaS霸主地位毋庸置疑。然而，区别于其IaaS的绝对优势，AWS在PaaS领域的日子似乎“没那么好过”，其领先地位受GCE、Azure、Heroku等众多劲敌窥伺。然而AWS之所以为AWS，不仅因为其数量庞大的合作伙伴，还有其独一无二的云服务，就在上月，Amazon一扫之前在PaaS领域的低调，在宣布EMR支持Impala之后，更推出了流计算服务Kinesis。

EMR支持Impala：AWS军团亮剑流计算之始

本月，Amazon宣布EMR支持Impala，Impala是专为实时、ad-hoc查询设计的开源工具，使用类SQL语言。在AmazonEMR上使用Impala，用户可以在非结构数据上执行快速的交互分析。对于许多类型的查询，比Hive快很多。Impala的性能使它成为迭代查询和许多流行BI工具一个很好的引擎。通过Amazon EMR，用户可以用Impala作一个可靠的数据仓库来执行数据分析、监控和商务智能等任务。这里是三个用例：

•取代Hive，在长期运行的集群上使用Impala来执行ad-hoc查询。Impala可以将迭代查询时间减少至秒级，使它非常适合做快速调研。用户可以在同一个集群上进行流计算和批处理，在一个长期运行的Hive和Pig分析集群上使用Impala，或者为Impala查询建立一个经过专门调优的集群。
•在短暂的Amazon EMR集群上使用Impala而不是Hive来进行批ETL作业。对于很多查询来说，Impala比Hive快，就像Hive，Impala使用SQL，所以，从Hive到Impala查询修改工作量并不大。
•结合使用Impala和第三方商业智能工具。通过给集群连一个客户端ODBC或者JDBC驱动，你可以将Impala作为强大可视化工具及监视面板的查询引擎。

Kinesis的全面可用：AWS之所以为AWS的原因

Kinesis，AWS于11月宣布的流数据服务，现已公开使用。这种服务理论上可以与流行的开源技术（比如Apache Strom）相匹敌，而当下也只有Kinesis能带来完全的管理经验，这种经验成为AWS的进程中的标准。

随着公司（尤其是基于因特网的公司）寻求超越他们倚仗已久的批处理方式，流处理正变得越来越流行。流处理主要利用数据的实时优势，而不是等待几分钟，甚至是数小时来分析收集所有（前一批正在处理之后）的数据，对这项工作而言Storm可能是最流行的工具，在发往其它地方（比如Hadoop）与历史数据进行分析之前，Storm就会在数据传输过程中进行处理。

Twitter通过2011年购买Backtype获得Strom建立者Nathan Marz，因此它应该是个典型的Storm用户。Storm帮助Twitter完成许多事情，比如让用户Timeline保持实时更新，但是该公司同样依靠了许多其他工具（Hadoop，当然名列其中）来做一些长期趋势分析和搜索引擎模型训练。

就像Storm，在将数据运输到另一个数据存储（基于AWS平台的ElasticMapReduce、Redshift或者DynamoDB）之前，Kinesis就能够进行实时处理。但是区别于Storm，Kinesis保存数据的时间可以长达24小时，同时，通过软件开发工作包或者SDK可以自动地扩展到每小时上千个TB 。Kinesis还含一个转移数据到Storm的连接器，AWS数据科学经理Matt Wood解释到，在当现存Storm用户想继续使用它来处理数据时，Kinesis可以实现自动连接。

对Kinesis来说SDK是一项关键，因为这项服务的设计宗旨就是“降低建立响应式应用程序的门槛”，AWS在一次采访中说到。早期访问用户，包括移动游戏开发商Supercell，正在使用Kinesis对游戏服务器和市场平台Bizo中的数据流进行处理，然后供给实时监控面板。 Wood说Bizo有一个异常小的研发团队，能有机会省却管理数据管道的工时，从而转移到更具价值的任务上，这得感谢AWS。

当Amazon首次公开Knesis这个产品时，我们就会发现，AWS的云服务无可比拟，这里我们不妨计算一下其他云供应商提供自己流处理服务的时间。当下企业的计算基础设施一般都包括一个完整的数据管道，用以收集和处理数据，因此如果其他云服务供应商想遏制用于疯狂涌向AWS，那么他们不可以只有一个Hadoop。