一位数据工程师使用 Amazon Kinesis Data Streams 摄取每日用户行为记录。由于某些分片（热点分片）接收的流量远超其他分片，数据流正在被限流。工程师应如何停止限流？

当 Kinesis Data Streams 出现限流时，通常是由于数据分布不均导致某些分片（热点分片）的写入请求过多。使用随机分区键（例如 UUID）可以确保记录均匀地分布到所有分片，从而避免单个分片过载，有效解决限流问题。 增加分片数量虽然可以提高整体吞吐量，但如果分区键仍然导致数据集中在少数分片，限流问题可能不会完全解决，甚至会浪费资源。限制生产者发送记录数量或减小记录大小是治标不治本的方法，会影响数据摄取效率或数据完整性，而不是从根本上解决数据分布不均的问题。