Einführung in Apache Flink

Kapitel 2. Stream-First Architektur

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Es gibt eine Revolution in der Art und Weise, wie Menschen ihre Datenarchitektur gestalten, nicht nur für Echtzeit- oder echtzeitnahe Projekte, sondern auch in einem größeren Sinne. Der Wandel besteht darin, den Datenfluss als Herzstück des Gesamtdesigns zu betrachten und nicht mehr nur als Grundlage für spezielle Aufgaben. Wenn du die Beweggründe für diese Umstellung auf eine Stream-First-Architektur verstehst, kannst du Apache Flink und seine Rolle in der modernen Datenverarbeitung besser einordnen.

Flink gehört zu einer neueren Generation von Systemen und trägt seinen Teil dazu bei, den Begriff "Daten-Streaming" weit über Echtzeit-Analysen mit geringer Latenz hinaus auf eine Vielzahl von Datenanwendungen auszudehnen, einschließlich derjenigen, die jetzt von Stream-Prozessoren abgedeckt werden, derjenigen, die von Batch-Prozessoren abgedeckt werden, und sogar einiger zustandsabhängiger Anwendungen, die von transaktionalen Datenbanken ausgeführt werden.

Wie sich herausstellt, ist die Datenarchitektur, die für den effektiven Einsatz von Flink erforderlich ist, auch die Grundlage dafür, dass wir von den Vorteilen der Arbeit mit Streaming-Daten profitieren können. Um zu verstehen, wie das funktioniert, schauen wir uns genauer an, wie wir die Pipeline aufbauen, um Flink für die Stream-Verarbeitung zu unterstützen. ...