使用 GitHub 信息创建数据集市

Question

我想创建一个包含提交、拉取请求、还原等 GitHub 信息的数据集市。

GitHub 为这些事件提供了许多 webhook。我正在尝试创建一个架构来处理这些事件并将其加载到 RDS 数据库中。

我正在考虑使用 API Gateway + Kinesis Firehose 将事件转储到 S3。然后使用 cron (like.https://airflow.apache.org/) 来处理这些文件。

缺点和优点：

(+) 这很可靠，因为我们有一个简单的 API 网关 + Kineses 转储到 S3。

(+) 因为我使用的是 Airflow，所以很容易重新处理

(-) 架构设计有点过头了

(-) 它不是实时数据集市。

你们可以思考并提出另一种具有优点和缺点的架构吗？

Answer 1

我个人会选择：

API Gateway -> Lambda -> Kinesis Stream -> Kinesis Analytics

这会给你实时的要求。

然后，您可以使用 Kinesis Firehose 将流卸载到 S3 以进行任何临时查询。