SQS、SNS、SWF、API Gateway、Elastic Transcoder、Kinesis

# SQS (Simple Queue Service)
SQS有两种不同类型的队列，它们分别是：

* 标准队列（Standard Queue）
* FIFO队列（先进先出队列）

标准队列
标准队列拥有无限的吞吐量，所有消息都会至少传递一次，并且它会尽最大努力进行排序。

标准队列是默认的队列类型。

![](/media/202312/2023-12-26_003226_8965290.1261615566581552.png)
FIFO队列
FIFO (First-in-first-out)队列在不使用批处理的情况下，最多支持300TPS（每秒300个发送、接受或删除操作）。

在队列中的消息都只会不多不少地被处理一次。

FIFO队列严格保持消息的发送和接收顺序。

![](/media/202312/2023-12-26_003240_8407390.2429992378511815.png)

SQS的其他特点
 * SQS是靠应用程序去拉取的，而不能主动推送给应用程序，推送服务我们使用SNS（Simple Notification Service）
 * 消息会以256 KB的大小存放
 * 消息会在队列中保存1分钟~14天，默认时间是4天
 * 可见性超时（Visibility Timeout）
   * 即当SQS队列收到新的消息并且被拉取走进行处理时，会触发Visibility Timeout的时间。这个消息不会被删除，而是会被设置为不可见，用来防止该消息在处理的过程中再一次被拉取
   * 当这个消息被处理完成后，这个消息会在SQS中被删除，表示这个任务已经处理完毕
如果这个消息在Visibility Timeout时间结束之后还没有被处理完，则这个消息会设置为可见状态，等待另一个程序来进行处理
   * 因此同一个消息可能会被处理两次（或以上）
   * 这个超时时间最大可以设置为12小时
* 标准SQS队列保证了每一个在队列内的消息都至少会被处理一次
* 长轮询（Long Polling）
  * 默认情况下，Amazon SQS使用短轮询（Short Polling），即应用程序每次去查询SQS队列，SQS都会做回应（哪怕队列一直是空的）
  * 使用了长轮训，应用程序每次去查询SQS队列，SQS队列不会马上做回应。而是等到队列里有消息可处理时，或者等到设定的超时时间再做出回应。
  * 长轮询可以一定程度减少SQS的花销

# SNS (Simple Notification Service)
SNS (Simple Notification Service) 是一种完全托管的发布/订阅消息收发和移动通知服务，用于协调向订阅终端节点和客户端的消息分发。

和SQS (Simple Queue Service)一样，SNS也可以轻松分离和扩展微服务，分布式系统和无服务应用程序，对程序进行解耦。

我们可以使用SNS将消息推送到SQS消息队列中、AWS Lambda函数或者HTTP终端节点上。

SNS通知还可以发送推送通知到IOS，安卓，Windows和基于百度的设备，也可以通过电子邮箱或者SMS短信的形式发送到各种不同类型的设备上。

![](/media/202312/2023-12-26_003439_0987350.8887187496781352.png)
SNS能推送的目标
* HTTP
* HTTPS
* Email
* Email-JSON
* SQS
* Application
* Lambda

# Elastic Transcoder
Amazon Elastic Transcoder是一种在线媒体转码的工具，使用它我们可以很容易地将我们的视频从源格式转换到其他的格式和分辨率，以便在手机、平板、PC等设备上播放。

一般来说，我们会将需要转码的媒体文件放在AWS S3的存储桶上，创建相应的管道和任务将文件转码为特定的格式，最后将文件输出到另一个S3的存储桶上面去。

我们也可以使用一些预设的模板来转换我们的媒体格式。

另外，我们也可以配合Lambda函数，在有新的文件上传到S3后触发函数代码，执行Elastic Transcoder并自动进行媒体文件的转码。

![](/media/202312/2023-12-26_003530_8924680.907413522853963.png)
# Kinesis服务
Kinesis目前有不同的功能服务，我们需要了解每一个服务有什么不同。这些服务分别是：

* Kinesis Data Streams (Kinesis Streams)：使用自定义的应用程序分析数据流
* Kinesis Video Streams：捕获、处理并存储视频流用于分析和机器学习（Machine Learning）
* Kinesis Data Firehose：将数据加载到AWS数据存储上
* Kinesis Data Analytics：使用SQL分析数据流

Kinesis Data Firehose可以让我们的实时数据流传输到我们定义的目标，包括Amazon S3，Amazon Redshift，Amazon Elasticsearch Service (ES)和Splunk。

如下图所示，通过Kinesis Firehose，我们可以将数据流经过转换之后传输到S3存储桶上去，并且另外将源数据备份一份到另一个S3存储桶。

![](/media/202312/2023-12-26_003626_9721710.3696132833532658.png)