Das Ziel dieses Seminars ist es, den Teilnehmern einen klaren und tiefgreifenden Einblick in die Welt der Echtzeitdatenverarbeitung mit Apache Kafka und RabbitMQ zu geben. Während beide als beeindruckende Open-Source-Nachrichtenbroker dienen, haben sie jeweils ihre eigenen Stärken, Schwächen und idealen Anwendungsfälle. In einer Zeit, in der Unternehmen ständig danach streben, agiler und datengesteuerter zu werden, könnte die Wahl zwischen Kafka und RabbitMQ oder der Übergang von einem zum anderen entscheidend sein. Dieses Seminar wird die Unterschiede und Gemeinsamkeiten dieser beiden Technologien ausloten, bewährte Verfahren für ihre Implementierung vorstellen und den Teilnehmern die Werkzeuge an die Hand geben, die sie benötigen, um fundierte Entscheidungen zu treffen. Ob Sie bereits in einer Technologie investiert haben und über eine Migration nachdenken oder einfach nur Ihre Kenntnisse erweitern möchten, dieses Seminar soll Ihnen das Rüstzeug bieten, um die Messaging-Landschaft mit Vertrauen und Sachkenntnis zu navigieren.
Messaging-Protokolle und Unterstützung durch RabbitMQ (z.B. AMQP)
Plug-in-Architektur von RabbitMQ
Produzenten und Konsumenten
Erstellen und Senden von Nachrichten in Kafka und RabbitMQ
Empfangen und Verarbeiten von Nachrichten
Offset-Verwaltung in Kafka vs. Acknowledgements in RabbitMQ
Fehlerbehandlung und Retry-Mechanismen
Skalierung und Hochverfügbarkeit
Skalierungsstrategien in Kafka: Partitions und Consumer Groups
Clustering in RabbitMQ für Hochverfügbarkeit
Replikation in Kafka vs. Queue Mirroring in RabbitMQ
Lastausgleich und Ressourcenoptimierung
Sicherheit in Kafka und RabbitMQ
Authentifizierungsmechanismen: SASL, SSL/TLS
Autorisierung und Zugriffskontrolle
Datenverschlüsselung während der Übertragung und im Ruhezustand
Überwachung und Auditing
Fehlerbehandlung
Erkennen und Beheben von Verbindungsproblemen
Dead Letter Queues und deren Implementierung
Nachrichtenverlust und dessen Verhinderung
Retry- und Backoff-Strategien
Nachrichten-Patterns
Fan-out für breite Verteilung von Nachrichten
Work queues für verteilte Aufgabenverarbeitung
Publish/Subscribe für Nachrichtenübermittlung an viele Abonnenten
RPC für Anforderungs-Antwort-Szenarien
Von Kafka zu RabbitMQ: Warum und Wie?
Anwendungsfälle, in denen RabbitMQ überlegen sein könnte
Planung und Vorbereitung der Migration
Datenübertragungsstrategien und Tools
Validierung und Tests nach der Migration
Integration in die bestehende IT-Landschaft
Schnittstellen und APIs für Integration
Middleware und andere Integrationsplattformen
Best Practices für Datenfluss und Transformation
Überwachung und Fehlerbehandlung
Praktische Übungen
Setup von RabbitMQ und Kafka in einer Testumgebung
Simulation von Nachrichtenübertragung und Verarbeitung
Fehlerszenarien und deren Behebung
Performance-Tuning und Optimierung
Dauer/zeitlicher Ablauf:
3 Tage
Zielgruppe:
Grundlegende IT-Kenntnisse : Teilnehmer sollten mit grundlegenden IT-Konzepten vertraut sein und idealerweise Erfahrung in der Arbeit mit Software- und Netzwerksystemen haben.
Erfahrung mit Messaging-Systemen : Es wäre vorteilhaft, wenn die Teilnehmer bereits Erfahrung mit Messaging-Systemen oder anderen Datenverarbeitungstechnologien haben, auch wenn es nicht zwingend erforderlich ist.
Kenntnisse in Apache Kafka oder RabbitMQ : Eine Grundkenntnis eines der beiden Systeme wäre hilfreich, um den Vergleich und die Migrationsszenarien besser zu verstehen.
Programmierkenntnisse : Ein Verständnis der Programmierung, insbesondere in Sprachen wie Java, Python oder Go, kann nützlich sein, da diese häufig in Zusammenhang mit Kafka und RabbitMQ verwendet werden.
Datenbankgrundlagen : Ein Grundverständnis von Datenbanken und Datenmanagement kann den Kontext für Diskussionen über Datenpersistenz, Replikation und andere verwandte Themen bieten.
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern.
Diese Cookies werden nicht automatisiert gesetzt.
Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren.
Weitere Informationen finden Sie hier.
