How to Build a Data Mesh with Stream Governance | Join Webinar

eBook

Data Mesh in der Praxis: Aufbau einer dezentralisierten Datenarchitektur mit Event-Streams

Data-Mesh-Architekturen mit Event-Streams

Was spricht f√ľr ein Data¬†Mesh?

Beim Data¬†Mesh geht es um die Bereitstellung von Daten als erstklassigem Produkt. Deshalb liegt der Fokus darauf, die Ver√∂ffentlichung von wichtigen Daten und den Zugriff darauf in der gesamten Organisation so einfach wie m√∂glich zu gestalten. Ein Event-getriebenes Data¬†Mesh vereint den Umfang und die Performance von Data¬†in¬†Motion mit produktorientierter Strenge und Self-Service-Funktionen, so dass Daten sowohl in betrieblichen als auch in analytischen Anwendungsf√§llen im Mittelpunkt stehen.Ein Data¬†Mesh st√ľtzt sich auf vier Hauptprinzipien und ist gewisserma√üen eine Neuinterpretation der sozialen Verantwortung in Kombination mit modernen Event-Streaming-Technologien. Das Ergebnis ist ein Netzwerk von st√§ndig aktualisierten Event-Streams, die sowohl neue Informationen als auch alte Daten verf√ľgbar machen. So wird es Consumers erm√∂glicht, Daten nach eigenem Ermessen auszuw√§hlen und zu verwenden.

Der Autor Adam Bellemare erkl√§rt, warum ein Event-getriebenes, auf Apache Kafka¬ģ entwickeltes Data¬†Mesh die beste M√∂glichkeit bietet, auf wichtige Gesch√§ftsdaten zuzugreifen und die betriebliche und analytische Ebene in Einklang zu bringen. Als Machbarkeitsnachweis zeigt er au√üerdem eine Self-Service-Plattform, die mithilfe von Confluent¬†Cloud aufgebaut wurde und eine Verbindung zwischen den Prinzipien des Data¬†Mesh und realen technischen Kompromissen herstellt.

Auch andere Quellen sind ähnlicher Meinung wie wir: Eine Fallstudie aus der Praxis zeigt, wie das Unternehmen Saxo Bank ein Event-getriebenes Data Mesh implementiert hat, und geht in diesem Zusammenhang auch auf Herausforderungen, technologische Entscheidungen und die Implementierung der Data-Mesh-Prinzipien ein.- Es wird eine kurze Historie der Datenprobleme geliefert, wobei unter anderem auch Probleme mit Data Warehouses und Data Lakes angesprochen werden.

  • Zum Thema Data¬†Mesh wird ein vollst√§ndiger √úberblick geliefert, in dem auch auf die vier Hauptprinzipien eingegangen wird sowie darauf, wie diese bei Event-Streams angewendet werden k√∂nnen.
  • Die Prinzipien zum Aufbau von Datenprodukten werden vorgestellt, unter anderem die Koordination von Datenprodukten, die Integration mit den Quellen und der Aufbau f√ľr Consumer-Anwendungsf√§lle.
  • Es werden Leitlinien f√ľr die Erstellung einer Self-Service-Plattform f√ľr Product Owners und Consumer im Bereich Data bereitgestellt, um sowohl das Erstellen und Verwalten von Data¬†Products als auch die Discovery und Verwendung zu optimieren.
  • Es wird gezeigt, wie ein Event-getriebenes Data¬†Mesh die Grenzen zwischen betrieblichen und analytischen Anwendungsf√§llen aus dem Weg r√§umt und gleichzeitig sowohl Echtzeit-Anwendungen als auch Batch-basierte Jobs erm√∂glicht.
  • Die Data-Mesh-Implementierung bei Saxo Bank wird vorgestellt und dabei auch auf technische Herausforderung und Empfehlungen f√ľr eine erfolgreiche Implementierung eingegangen.
  • Die als Machbarkeitsnachweis dienende Self-Service-Plattform mit Data¬†Mesh von Confluent wird vorgestellt und es wird die M√∂glichkeit geboten, den Quellcode einzusehen und das Ganze auch einmal selbst zu testen.

Autor

Adam Bellemare

Staff Technologist, Office of the CTO

Adam Bellemare ist Staff Technologist bei Confluent und war zuvor als Data Platform Engineer bei Shopify, Flipp und BlackBerry t√§tig. Er besch√§ftigt sich seit √ľber zehn Jahren mit Daten und kann auf eine erfolgreiche Karriere in den Bereichen der Big-Data-Architekturen, Event-getriebenen Microservices und der Einf√ľhrung von Streaming-Daten in Unternehmen zur√ľckblicken. Er ist au√üerdem Autor des O‚ÄôReilly-Buchs ‚ÄěBuilding Event-Driven Microservices‚Äú.

E-Book herunterladen

Weitere Ressourcen

cc demo
kafka microservices
Image-Event-Driven Microservices-01

Weitere Ressourcen

cc demo
kafka microservices
microservices-and-apache-kafka