12
Video
Erfahre in diesem Video, wie du mithilfe von Kafka und Pentaho die Historisierung und Versionierung am Beispiel von Bierbrauerei-Daten optimierst. Unsere Lösung gewährleistet einen reibungslosen Wechsel zwischen Streaming und Batch-Processing und sichert gleichzeitig Historisierung und Versionierung. Entdecke, wie diese Kombination deine Bierbrauerei-Daten effizienter und präziser verwaltet.
Video
In diesem Video zeigen wir euch, wie Confluent innerhalb einer IoT-Architektur verwendet werden kann. Viele Firmen verwenden trotz Industrie 4.0-Vorhaben immer noch traditionelle Datenbanken für ihre Anwendungen. Das Ergebnis sind viele Punkt-zu-Punkt-Verbindungen und langsames Batch-Processing. Die Lösung ist Data in Motion – weg vom Batch orientierter Verarbeitung hin zur Event-getriebenen Verarbeitung durch Echtzeitstreaming. Hier kommt Confluent ins Spiel. Neben einer ausführlichen Darstellung der Vorteile von Confluent rundet diesen Vortrag noch zahlreiche Use Cases ab, in denen der Einsatz von Confluent im Bereich IoT beschrieben wird.
Artikel
Kafka Streams
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet.
Kafka Streams, eine leistungsstarke Open-Source Java Bibliothek, ist der Schlüssel zur Echtzeitverarbeitung im Apache Kafka Ökosystem. Mit ihr können Datenströme in Echtzeit analysiert und verarbeitet werden, ohne auf externe Frameworks oder Bibliotheken angewiesen zu sein. Doch oft bleibt Kafka Streams für viele ein Mysterium. Wir haben die Lösung! Entdecke unseren ganzheitlichen Quickstart-Demo, der dir in nur 10 Minuten zeigt, wie du Kafka Streams nutzen kannst, ohne aufwendige Konfigurationen vornehmen zu müssen.
Whitepaper
Das Whitepaper bringt genau auf den Punkt, wie du deine IoT-Kommunikation zuverlässig und streamingfähig umsetzen kannst. Unsere objektive Analyse der modernen HiveMQ-Plattform zeigt dir das effektive Verbindungsmanagement und erweiterbare System von HiveMQ. Auch die Herausforderungen und Grenzen der Plattform werden beleuchtet.
Mit Apache Kafka hast du zudem eine hilfreiche Open-Source-Streaming-Plattform zur Verfügung, um Anwendungen mit hohem Datendurchsatz und Event-Daten zu verarbeiten. Wir erklären dir, wie du mit HiveMQ und Apache Kafka als Dream-Team komplexe IoT-Szenarien umsetzen kannst.
Mit dem Wissen aus unserem Whitepaper stellst du Live-Datenanalysen bereit, um deinen Geschäftserfolg zu maximieren.
Mit Apache Kafka hast du zudem eine hilfreiche Open-Source-Streaming-Plattform zur Verfügung, um Anwendungen mit hohem Datendurchsatz und Event-Daten zu verarbeiten. Wir erklären dir, wie du mit HiveMQ und Apache Kafka als Dream-Team komplexe IoT-Szenarien umsetzen kannst.
Mit dem Wissen aus unserem Whitepaper stellst du Live-Datenanalysen bereit, um deinen Geschäftserfolg zu maximieren.
Artikel
Vom Data Warehouse zum Echtzeit-Daten-Streaming
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet.
Ein Data Warehouse ist meisterhaft darin, historische Daten auszuwerten und zu analysieren. Im digitalen Zeitalter werden jedoch schnelle Entscheidungen benötigt, um zeitnah auf die sich ändernden Situationen zu reagieren. Herkömmliche Data Warehouse-Lösungen sind für Echtzeitdatenverarbeitung zunächst nicht geeignet. In unserem Artikel lesen Sie, wie Sie in 5 Schritten Ihr Data Warehouse um Data Streaming erweitern, damit Sie Ihre Prozesse in Echtzeit steuern, analysieren und optimieren können.
Whitepaper
Unser Whitepaper zeigt Ihnen den Weg von der Datensammlung an den Datenquellen wie Anlagen und Geräten im IIoT bis zur visuellen Aufbereitung und Analyse Ihrer Daten. Der hilfreiche Guide geht dabei auf Open Source-Lösungen wie den MQTT Broker HiveMQ, die Streaming-Plattform Kafka, Sparkplug und die IoT-Plattform ThingsBoard ein.
Video
Kafka und HiveMQ sorgen dafür, dass deine IoT-Infrastruktur auch bei einer Vielzahl angeschlossener IoT-Geräte und Sensoren hochverfügbar bleibt. Wie du mit Kafka und HiveMQ eine hoch skalierbare und flexible Streaming-Lösung bekommst, zeigt dir das Video.
Video
Es gibt die Möglichkeit, Data Mesh mit Confluent und Starburst in einem Prototypen zu verwenden. In diesem FAQ-Video beantworten wir dazu die entstandenen Fragen.
Video
Wie implementierst du am besten die beiden Technologien Confluent und Starburst in ein Data Mesh? In diesem Video erhältst du darauf die Antwort. Neben einer Demo, die zeigt, wie du Confluent und Starburst in Data Mesh implementierst, wartet auf dich ein kleiner Überblick zu Confluent und Data Mesh.
Video
Wie implementierst du am besten die beiden Technologien Confluent und Starburst in ein Data Mesh? In diesem Video erhältst du darauf die Antwort. Neben einer Demo, die zeigt, wie du Confluent und Starburst in Data Mesh implementierst, wartet auf dich ein kleiner Überblick zu Confluent und Data Mesh.
12