Beherrschung von Kafka Streams und Ksqldb: Aufbau von Echtzeit-Datensystemen anhand von Beispielen

Bewertung:   (4,7 von 5)

Beherrschung von Kafka Streams und Ksqldb: Aufbau von Echtzeit-Datensystemen anhand von Beispielen (Mitch Seymour)

Leserbewertungen

Zusammenfassung:

Das Buch wird wegen seines umfassenden Ansatzes für Kafka-Streams und der praktischen Beispiele gut aufgenommen und ist daher auch für Anfänger geeignet. Einige Leser finden jedoch, dass es bei bestimmten Konzepten an Klarheit mangelt und nicht tief in fortgeschrittene Themen eindringt.

Vorteile:

Gut strukturiert für Anfänger, umfassende Informationen über Kafka Streams, exzellente Beispiele und praktischer Code, gute Mischung aus Theorie und Praxis, gut zum Verständnis von ksqlDB.

Nachteile:

Mangelnde Klarheit bei der Erklärung komplexer Konzepte, unzureichende Tiefe bei fortgeschrittenen Themen, Probleme mit der Lizenzierung von ksqlDB und technische Herausforderungen, und einige Leser hatten den Eindruck, dass es sich eher um eine Einführung als um eine Meisterklasse handelt.

(basierend auf 8 Leserbewertungen)

Originaltitel:

Mastering Kafka Streams and Ksqldb: Building Real-Time Data Systems by Example

Inhalt des Buches:

Die Arbeit mit unbegrenzten und sich schnell bewegenden Datenströmen war in der Vergangenheit schwierig. Aber mit Kafka Streams und ksqlDB ist die Erstellung von Stream-Processing-Anwendungen einfach und macht Spaß. Dieser praktische Leitfaden zeigt Dateningenieuren, wie sie mit diesen Tools hochskalierbare Stream-Processing-Anwendungen zum Verschieben, Anreichern und Umwandeln großer Datenmengen in Echtzeit erstellen können.

Mitch Seymour, Data Services Engineer bei Mailchimp, erklärt wichtige Stream-Processing-Konzepte vor dem Hintergrund mehrerer interessanter Geschäftsprobleme. Sie lernen die Stärken von Kafka Streams und ksqlDB kennen, damit Sie das beste Tool für jedes einzelne Stream-Processing-Projekt auswählen können. Nicht-Java-Entwickler werden den ksqlDB-Pfad als besonders sanften Einstieg in die Stream-Verarbeitung empfinden.

⬤ Lernen Sie die Grundlagen von Kafka und dem Pub/Sub-Kommunikationsmuster.

⬤ Erstellen Sie zustandslose und zustandsabhängige Stream-Processing-Anwendungen mit Kafka Streams und ksqlDB.

⬤ Erweiterte zustandsabhängige Operationen durchführen, einschließlich Windowed Joins und Aggregationen.

⬤ Verstehen, wie zustandsabhängige Verarbeitung unter der Haube funktioniert.

⬤ Lernen Sie die Datenintegrationsfunktionen von ksqlDB kennen, die von Kafka Connect unterstützt werden.

⬤ Arbeiten Sie mit verschiedenen Arten von Sammlungen in ksqlDB und führen Sie Push- und Pull-Abfragen durch.

⬤ Installieren Sie Ihre Kafka Streams und ksqlDB Anwendungen in der Produktion.

Weitere Daten des Buches:

ISBN:9781492062493
Autor:
Verlag:
Einband:Taschenbuch
Erscheinungsjahr:2021
Seitenzahl:400

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Beherrschung von Kafka Streams und Ksqldb: Aufbau von Echtzeit-Datensystemen anhand von Beispielen -...
Die Arbeit mit unbegrenzten und sich schnell...
Beherrschung von Kafka Streams und Ksqldb: Aufbau von Echtzeit-Datensystemen anhand von Beispielen - Mastering Kafka Streams and Ksqldb: Building Real-Time Data Systems by Example
Ein Spaziergang zur Wolke: Eine sanfte Einführung in vollständig verwaltete Umgebungen - A Walk to...
Lernen Sie die Grundlagen des Cloud Computing...
Ein Spaziergang zur Wolke: Eine sanfte Einführung in vollständig verwaltete Umgebungen - A Walk to the Cloud: A Gentle Introduction to Fully Managed Environments
Eine sanfte Einführung in OpenSearch - A Gentle Introduction to OpenSearch
Lernen Sie verschiedene Speichertechnologien wie OpenSearch, Redshift, Kinesis und...
Eine sanfte Einführung in OpenSearch - A Gentle Introduction to OpenSearch

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)