Steuerungsmöglichkeiten für eine Flotte von IoT-Geräten, Datenanalyse-Features für Reports und Echtzeit-Abfragen, Schnittstellen zu anderen Businessanwendungen – das waren die Herausforderungen an die technische Architektur unserer Big-Data-Anwendung.
In diesem Praxisbericht zeigen wir die Pitfalls, bewerten Best Practices und fassen unsere Lessons Learned zusammen. Wir sprechen über Entscheidungen und fachliche Anforderungen der Big-Data-Architektur, und über die eingesetzten Technologien, zum Beispiel HDFS, Spark und Hive aus dem Hadoop-Umfeld sowie SpringXD, HiveMQ, MQTT, Elastic, Logstash und Kibana.
Skills
Die Zuhörer bringen idealerweise Grundlagenwissen über technische Architekturen und im Software Engineering mit.
Lernziele
Zuhörer sehen am (abstrahierten) Beispiel, wie Architektur aussehen kann und was für und gegen bestimmte Tools spricht.
// Referenten
//
Michael Bauer
@-
Michael Bauer ist Software Engineer bei MaibornWolff. In seinem aktuellen Projekt entwickelt er eine Big-Data-Anwendung mit Daten von vernetzten IoT-Geräten.
//
Henning Böger
@HenningBoeger
Henning Böger ist Lead Architect bei MaibornWolff und leidenschaftlicher Mobile- und IoT-Entwickler.