Kapitel 15. Stream Processing Systeme
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Zeit ist Geld. Je schneller du Erkenntnisse und Wissen aus deinen Daten gewinnen kannst, desto schneller kannst du auf den sich verändernden Zustand der Welt, den deine Systeme beobachten, reagieren. Denk an die Erkennung von Kreditkartenbetrug, das Aufspüren von anomalem Netzwerkverkehr für die Cybersicherheit, die Echtzeit-Routenplanung in GPS-gestützten Fahranwendungen und die Identifizierung von Trendthemen auf Social-Media-Seiten. Bei all diesen Anwendungsfällen kommt es auf Geschwindigkeit an.
Diese unterschiedlichen Anwendungen haben gemeinsam, dass sie Berechnungen auf der Grundlage der neuesten Beobachtungen durchführen müssen. Interessiert es dich, dass ein kleiner Unfall auf deiner üblichen Route einen dreistündigen Rückstau verursacht hat oder dass gestern ein Schneesturm die Straße über Nacht gesperrt hat? Solange deine Fahr-App dir sagt, dass die Autobahn frei ist, bist du auf dem richtigen Weg. Solche Berechnungen sind zeitabhängig und brauchen Zugang zu aktuellen Daten, um relevant zu sein.
Traditionell erstellt man solche Anwendungen, indem man Daten aus externen Feeds in eine Datenbank einspeist und Abfragen entwickelt, die die benötigten Informationen extrahieren können. Je mehr Informationen deine Systeme verarbeiten, desto schwieriger wird dies. Du brauchst eine schnelle, skalierbare Schreibleistung ...
Get Grundlagen der skalierbaren Systeme now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
