AWS IoT Analytics
[Finalizado el 15-12-2025] Servicio de análisis gestionado que filtraba, transformaba, almacenaba y analizaba datos de telemetría IoT. AWS indica ahora una pila Kinesis / S3 / Timestream / Athena como reemplazo
Descripción general
[Servicio finalizado] AWS IoT Analytics llegó al fin de su soporte el 15 de diciembre de 2025. Lo siguiente describe el servicio tal como funcionaba en su momento. AWS IoT Analytics es un servicio totalmente gestionado que facilita ejecutar análisis sofisticados sobre volúmenes masivos de datos IoT. Proporciona un pipeline completo desde la ingesta y limpieza de datos hasta el almacenamiento y análisis, sin necesidad de gestionar infraestructura.
Fin del soporte y rutas de migración
AWS IoT Analytics llegó al fin de su soporte el 15 de diciembre de 2025 y había dejado de aceptar nuevos clientes el 24 de julio de 2024. La consola y los recursos del servicio ya no están accesibles. La guía oficial de migración de AWS asigna cada función a servicios alternativos: Amazon Kinesis Data Streams o Amazon Data Firehose para la recopilación de datos, Amazon Managed Service for Apache Flink o Data Firehose con Lambda para el procesamiento, Amazon S3 o Amazon Timestream para el almacenamiento, y AWS Glue con Amazon Athena para el análisis. Esta página se conserva como referencia histórica y guía de migración.
Diseño de preprocesamiento de datos con pipelines
Los pipelines de IoT Analytics definen una secuencia de actividades de procesamiento que transforman los datos crudos de dispositivos en datos limpios y enriquecidos. Las actividades incluyen filtrado (descartar mensajes que no cumplen criterios), transformación (cálculos matemáticos, conversión de unidades), enriquecimiento (agregar metadatos del dispositivo desde el registro de IoT Core) y selección de atributos. Cada actividad es configurable independientemente, permitiendo construir pipelines adaptados a cada tipo de sensor o caso de uso. Los datos procesados fluyen automáticamente al data store para almacenamiento persistente.
Diseño operativo de data stores y datasets
El data store es el repositorio donde se almacenan los datos procesados, con retención configurable y particionamiento automático por tiempo. Los datasets son vistas materializadas que ejecutan consultas SQL sobre el data store según una programación (horaria, diaria) o bajo demanda. Los resultados de los datasets se pueden enviar a S3 para análisis con otros servicios o visualizar directamente en QuickSight. Los datasets de contenedor permiten ejecutar imágenes Docker personalizadas para análisis complejos que van más allá de SQL, como modelos estadísticos o algoritmos de detección de anomalías.
Integración con IoT Core y diseño del pipeline de análisis completo
IoT Analytics se integra nativamente con IoT Core mediante reglas que enrutan mensajes MQTT directamente al canal de ingesta. El flujo típico es: dispositivos publican datos vía MQTT a IoT Core, una regla enruta al canal de IoT Analytics, el pipeline procesa y limpia los datos, el data store los almacena, y los datasets generan vistas para análisis. Para machine learning, los datasets se exportan a S3 como entrada para notebooks de SageMaker. Los modelos entrenados se pueden desplegar de vuelta al edge con Greengrass para inferencia local, cerrando el ciclo de datos IoT.