Big Data Engineering mit Spark, HBase und Solr

Immer mehr Unternehmen wollen das Verhalten ihrer Kunden verstehen und vorhersagen können, damit beispielsweise zum richtigen Zeitpunkt das richtige Angebot unterbreitet werden kann. Dafür müssen große Datenmengen mit Hilfe einer Big-Data-Lösung gesammelt, erfasst und analysiert werden. Immer mehr Unternehmen setzen dabei auf Spark.

Im Vortrag wird eine Big-Data-Lösung vorgestellt, die mehrere hundert Milliarden Kundenaktionen verarbeiten und analysieren kann. Neben Spark werden dabei auch HBase und Solr als Technologien genutzt. Das abgestimmte Zusammenspiel dieser Technologien wird an mehreren Beispielen (Verhaltenssegmentierung, Zeitreihenanalyse, prädiktive Analytik etc.) demonstriert.

Vorkenntnisse

Teilnehmer sollten ein allgemeines Verständnis für die Herausforderungen im Big-Data-Umfeld mitbringen sowie über Grundkenntnisse in Big-Data-Technologien, z.B. Spark, verfügen. Expertenkenntnisse in Spark, HBase oder Solr werden nicht benötigt.

Lernziele

• Potenzial und Grenzen von Service Meshes
• Alternativen ...
• zu Istio
• zu Service Meshes

• Überblick über die Reife der aktuellen Implementierungen
• Service-Sicherheit und Resilienz
• mTLS
• Circuit Breaker
• Rate Limiting
• Service Mirroring (Testszenarien)
• Neue Releases, Traffic Shifting
• Service Meshes in speziellen Umgebungen (z. B. bei asnychron kommunizierenden Services)