The Future Starts at Current: Where real-time data and AI come together | Register now
SERVERLOSE STREAM-VERARBEITUNG
Umgehend Echtzeit-Daten-Pipelines erstellen
Daten-Streaming und Stream-Verarbeitung kombinieren, um Daten-Pipelines zu erstellen, die Events in aktuelle, angereicherte und sofort nutzbare Datenprodukte umwandeln.
Ein-Klick-Integration für nahtlose Stream-Verarbeitung
Multicloud-Unterstützung in über 50 Regionen auf AWS, Microsoft Azure und Google Cloud
Vorhandenes Know-how nutzen dank Unterstützung von SQL, Python und Java
Die Verwaltung separater, komplexer Open-Source-Systeme und die Wartung anfälliger Tool-Ökosysteme erzeugt unnötigen operativen Aufwand. Stattdessen könnten skalierbare und zuverlässige Echtzeit-Daten-Pipelines mit vertrauten Sprachen aufgebaut und bereitgestellt werden, um Datensilos aufzubrechen.
Confluent Cloud ist die einzige vollständig verwaltete, serverlose Plattform, die die Industriestandards für Streaming-Daten und Stream-Verarbeitung kombiniert und es ermöglicht, das Infrastrukturmanagement zu automatisieren und Pipelines von der Entwicklung bis zur Produktion zu sichern. Jetzt erfahren, welche Möglichkeiten sich ergeben, wenn der Fokus auf der Entwicklung leistungsstarker Echtzeit-Analyse- und KI-Funktionen liegt, anstatt auf der Cluster-Verwaltung.
Einführungskurs zu Apache Flink belegen
Sofort loslegen
CDC-Pipelines mit Apache Flink auf Confluent erstellen
Mehr erfahrenNahtlose Integration zwischen Kafka und Flink
Integrationsprobleme beseitigen mit einer Ein-Klick-Integration von Apache Kafka® und Apache Flink® auf Confluent, wo Daten als erstklassiges, wiederverwendbares Produkt behandelt werden.
Kafka-Topics erscheinen automatisch als abfragbare Flink-Tabellen mit Schemata, die von der Schema Registry verwaltet werden, wodurch verarbeitete Daten sofort wiederverwendbar sind.
1-Klick-Integration
Kafka-Topics und Schemas sind immer mit Flink synchronisiert
Cloud-natives Streaming
Der Cloud-native, vollständig verwaltete Standard für Apache Kafka®
Cloud-native Apache Flink®
Der Open-Source-Standard für Stream-Verarbeitung
Native Unterstützung für Schema-Management
Schema Registry bietet ein zentrales Repository zur Schema-Verwaltung und Validierung für Topic-Messagedaten
Zustandsbehaftete Streamverarbeitung vereinfachen
Die Leistungsfähigkeit von Flink nutzen, dem De-facto-Branchenstandard für die Verarbeitung komplexer, zustandsbehafteter Event-Streams.
Mit branchenüblichen Sprachen wie ANSI SQL, Python oder Java, können komplexe Event-Verarbeitung, Echtzeitaggregationen, und zustandsbehaftete Transformationen durchgeführt werden, mit integrierter Fehlertoleranz, Exactly-Once-Semantik und Standard-Watermarking-Strategien.
Exactly-Once vereinfacht
Exactly-Once-Processing mühelos gewährleisten mit Confluent Cloud
Mit ANSI SQL entwickeln
Stream-Processing-Pipelines mit vertrauter SQL aufbauen
Mit Python entwickeln
Stream-Processing-Pipelines mühelos mit Python aufbauen
Mit Java entwickeln
Streaming-Anwendungen mit Java erstellen
Schneller Mehrwert liefern, dank einer vollständig verwalteten Plattform
Voll auf die Entwicklung von Datenprodukten konzentrieren statt Infrastruktur zu verwalten – dank eines serverlosen Erlebnisses.
Elastische Auto-Skalierung, nutzungsbasierte Preisgestaltung und Rechenkapazitätsgrenzen sorgen für ein ausgewogenes Verhältnis zwischen Leistung und Kosten. Eine browserbasierte Benutzeroberfläche, CLI oder VS Code-Erweiterung, gekoppelt mit integrierten Monitoring-Tools wie Stream-Lineage bieten die benötigte Flexibilität, um die Entwicklung von der Testphase bis zur Produktion zu beschleunigen.
Voll auf die Entwicklung konzentrieren
Confluent Code übernimmt alles andere dank unserer Cloud-nativen, serverlosen Flink-Lösung
Flink SQL-Workspaces
Die primäre, browserbasierte Option, um SQL für die Interaktion mit den Daten in Confluent Cloud zu nutzen
Confluent-CLI
Statements und Compute-Pools in der CLI verwalten
VS Code-Erweiterung
Fokussierte Entwicklung dank VS Code-Erweiterung
Entwickeln in einer Welt, in der KI an erster Stelle steht
Responsive Echtzeit-KI/ML-Systeme und Event-getriebene Agenten erstellen.
Daten für Echtzeit-Inferenz vorbereiten mit Einbettungs-, Prognose- und Inferenz-Funktionen und sie nahtlos mit externen Modellen, LLMs, Tools und Frameworks integrieren. Den AI-Technologie-Stack vereinfachen und den Fokus von der Integration auf die Bereitstellung von AI-Mehrwert verlagern.
Echtzeit-Einbettung
Vektoreinbettungen für Daten innerhalb von Streaming-Pipelines generieren.
Echtzeit-Forecasting
Echtzeit-Forecasting während Events durch die Streaming-Pipelines fließen
Echtzeit-Inferenz
Inferenzen auf Events innerhalb des Streams durchführen
Tool-Calling
OOTB-Unterstützung für Tool-Calling mit MCP
Event-getriebene Multi-Agent-Systeme
Streaming Agents sind Event-gesteuert konzipiert, kommunizieren ohne starre Abhängigkeiten, arbeiten mit anderen Agenten zusammen und passen sich an Echtzeit-Eingaben an. Angetrieben von der Kora Engine, ermöglicht dies zuverlässige Multi-Agenten-Muster wie Orchestrator-Worker oder Hierarchical, um unbegrenzte Anwendungsfälle zu ermöglichen.
Umfassende Personalisierung
Operative Herausforderungen bewältigen dank selbstverwaltetem Streaming, um eine hochskalierbare, Event-getriebene Architektur zu implementieren, die eine flexible Microservices-Integration, Streaming-Analysen und KI-Anwendungsfälle ermöglicht. Mit Confluent Cloud liefert Wix die Echtzeitdaten und Event-gesteuerten Prozesse, die Unternehmen benötigen, um digitale Erlebnisse und Abläufe in mehr Innovation, Umsatz und Kundengewinnung umzuwandeln.
Echtzeit-Diagnostik ermöglichen
Siemens Healthineers hat dank Confluent das Problem fragmentierter Daten-Pipelines gelöst und eine einheitliche Dateninfrastruktur aufgebaut. Dies ermöglicht es ihnen, medizinische Geräte nahezu in Echtzeit zu überwachen, die Fertigungsqualität zu verbessern und Kosten für die Datenverarbeitung zu senken. Indem kritische Diagnosedaten schneller an Analysten übermittelt werden, können sie die Patientenversorgung insgesamt verbessern.
„Die Stream-Verarbeitung ist ein entscheidender Faktor, um Sicherheitsrisiken in Echtzeit zu erkennen und sich gegen sie zu schützen. Mit dem vollständig verwalteten Flink-Angebot von Confluent können wir auf Daten von IoT-Sensoren, intelligenten Kameras und WLAN-Analytics zugreifen, diese aggregieren und anreichern, um auf potenzielle Bedrohungen in Echtzeit reagieren zu können, z. B. bei der Erkennung von Eindringlingen. Dadurch können wir Sensordaten verarbeiten, sobald die Ereignisse eintreten, was eine schnellere Erkennung und Reaktion auf Sicherheitsvorfälle ohne zusätzlichen operativen Aufwand ermöglicht."
„Die Stream-Verarbeitung ist ein entscheidender Faktor, um Sicherheitsrisiken in Echtzeit zu erkennen und sich gegen sie zu schützen. Mit dem vollständig verwalteten Flink-Angebot von Confluent können wir auf Daten von IoT-Sensoren, intelligenten Kameras und WLAN-Analytics zugreifen, diese aggregieren und anreichern, um auf potenzielle Bedrohungen in Echtzeit reagieren zu können, z. B. bei der Erkennung von Eindringlingen. Dadurch können wir Sensordaten verarbeiten, sobald die Ereignisse eintreten, was eine schnellere Erkennung und Reaktion auf Sicherheitsvorfälle ohne zusätzlichen Betriebsaufwand ermöglicht.“
„Wir nutzen Apache Flink, um unsere Daten zu verarbeiten, bevor sie Snowflake erreichen, und so unnötige Kosten zu vermeiden. Bei einem Data Warehouse sprechen wir von Milliarden von Datenpunkten in einer Tabelle, und die Verarbeitung dieser Daten nach der Speicherung ist extrem teuer. Heute fließen unsere Daten kontinuierlich – in Flink. Wir verarbeiten Sie in Zeitfenstern, während sie sich durch das System bewegen. Alle Daten können in einem Stream an das Data Warehouse gesendet und gleichzeitig aggregiert werden, um sie an eine andere Speicherplattform downstream zu senden – das ist viel kostengünstiger und effizienter.“
„Mit Flink haben wir jetzt die Möglichkeit, die Verarbeitung nach links zu verschieben und viele Datentransformationen und Rechenvorgänge an unseren Daten frühzeitig durchzuführen, bevor sie Snowflake erreichen. Dies wird unsere Datenverarbeitungskosten optimieren, um die Menge der uns zur Verfügung stehenden Daten erhöhen können.“
Neue Entwickler erhalten Credits im Wert von 400 $ für die ersten 30 Tage – kein Kontakt zum Vertrieb erforderlich.
Confluent bietet alles Notwendige zum: – Entwickeln mit Client-Libraries für Sprachen wie Java und Python, Code-Beispielen, über 150 vorgefertigten Connectors und einer Visual Studio Code-Extension. – Lernen mit On-Demand-Kursen, Zertifizierungen und einer globalen Experten-Community. – Betreiben mithilfe einer CLI, IaC-Unterstützung für Terraform und Pulumi und OpenTelemetry-Observability.
Die Registrierung ist über das Cloud-Marketplace-Konto unten möglich oder direkt bei uns.
Confluent Cloud
Ein vollständig verwalteter cloud-nativer Service für Apache Kafka®
Möglichkeiten, mit der Verarbeitung zu beginnen
Stream Processing With Confluent | FAQs
What is Apache Flink and why is it used for stream processing?
Apache Flink is the de facto open-source standard for stateful stream processing, designed to run computations over unbounded, continuous data streams. It's used for building real-time data pipelines and event-driven applications because it provides low-latency processing, high throughput, and exactly-once consistency guarantees, which are critical for trustworthy, mission-critical systems.
Do I need Apache Kafka to use Confluent's Flink service?
Yes. Confluent Cloud is designed as a unified data streaming platform where Apache Kafka and Apache Flink are seamlessly integrated. Data must be in a Confluent Cloud Kafka topic to be processed by Flink. This tight integration is a core benefit, as it removes the need for custom connectors and provides a single, governed source of truth for all real-time data. However, Confluent Platform enables use of Flink with a variety of sources outside Apache Kafka.
How is Confluent's serverless Flink different from open-source Apache Flink?
Confluent Cloud provides a fully managed, serverless Flink service that eliminates the significant operational complexity of deploying, scaling, and securing open-source Flink. While open-source Flink is a powerful engine, Confluent provides a complete data streaming platform around it, including zero-config integration with Kafka, an integrated Schema Registry, enterprise-grade security, and a usage-based pricing model, allowing teams to focus on logic, not infrastructure.
How can I control costs with Flink's usage-based pricing?
Confluent Cloud provides several tools for cost management. The pricing is pay-as-you-go, based on CFUs consumed per minute, so you only pay for what you use. You can set configurable, hard spending limits on your compute pools to prevent budget overruns and monitor usage through the Metrics API to optimize your queries for cost-efficiency.