Designing Event-Driven Systems

Event-getriebene Systeme, Microservices und Kafka Streaming

Viele Faktoren beeinflussen Software heutzutage: größere Datenmengen, geografische Unterschiede, komplexe Unternehmensstrukturen und die wachsende Notwendigkeit, schnell und flexibel auf Veränderungen zu reagieren.

Bewährte Ansätze wie eine service-orientierte Architektur (SOA) und eine Event-getriebene Architektur (EDA) werden mit neueren Methoden wie Microservices, reaktiver Architektur, DevOps und Stream-Verarbeitung kombiniert. Viele dieser Lösungen können isoliert genutzt werden, unser praktisches E-Book zeigt jedoch, dass sie in Kombination einen umfassenderen und überzeugenderen Ansatz bieten.In diesem E-Book zeigen wir, wie mit Event-getriebener Architektur und Tools zur Stream-Verarbeitung wie Apache Kafka® geschäftskritische Systeme entwickelt werden können. Die behandelten Themen umfassen:

• Wie Event-getriebene Architektur funktioniert

• Die Vorteile Event-getriebener Systeme: EDA, SOA und reaktive Architekturen

• Warum reaktives Streaming in komplexen modernen Anwendungsfällen besser geeignet ist als Anfrage/Antwort-Architekturen

• Warum nachspielbare Logs wie Kafka als Rückgrat sowohl für die Kommunikation von Microservices als auch für geteilte Datensätze dienen können

• Wie Event Collaboration und Event-Sourcing-Muster die Sicherheit und Wiederherstellbarkeit mit funktionaler, Event-getriebener Programmierung erhöhen

• Die Vorteile, die Daten-Streaming-Plattformen wie Apache Kafka für die komplexe Event-Verarbeitung bieten können

• Grundlegende Technologien in serviceorientierten Architekturen wie Event Sourcing, CQRS und verteilte Systeme

• Wie man Event Sourcing und CQRS-Muster anwendet und Multi-Team-Systeme mit Microservices und SOA erstellt

• Wie Muster wie „Inside-Out-Datenbanken“ und Event-Streams als zentrale Informationsquelle – „Single Source of Truth“ – eingesetzt werden können

• Erstellung von Service-Ökosystemen, die Event- und Request-getriebene Schnittstellen mit einem nachspielbaren Log und der Kafka Streams API verbinden

• Skalierung über einzelne Teams hinaus zu unternehmensweiten Architekturen, die Datenströme als zentrale Informationsquelle nutzen