Startseite
Podcasts
Data Science Deep Dive Podcast
#62: Kafka und Datenströme erklärt – und wie das jetzt auch in R läuft

#62: Kafka und Datenströme erklärt – und wie das jetzt auch in R läuft

Data Science Deep Dive vor 1 Jahr

0:00

21:02

Kafka, aber in R? Das geht jetzt! In dieser Folge klären wir,
warum Kafka für schnelle Datenströme unverzichtbar ist und warum
unser neuer R-Kafka-Client ein Gamechanger ist. Was ist Kafka,
wofür braucht man es (oder auch nicht), und wie funktioniert
unser Paket? Hört rein und probiert es aus!

Zusammenfassung

Apache Kafka als schnelles, ausfallsicheres System für
Event-Streaming und Datenströme

Einsatzbereiche: Überall wo Daten fortlaufend und in Echtzeit
verarbeitet werden

Unser R Kafka Client ermöglicht nun die direkte Nutzung von
Kafka in R, ohne Umweg über Python

Features: Consumer/Producer-Modelle, asynchrone
Datenverarbeitung, hohe Performance und Ausfallsicherheit

Ausblick: Veröffentlichung auf CRAN, Admin-Client für
Cluster-Management, Blogartikel mit Beispiel (siehe unten in den
Links)

Links

Apache Kafka https://kafka.apache.org/

Confluent https://www.confluent.io/

Rcpp (CRAN)
https://cran.r-project.org/web/packages/Rcpp/index.html

reticulate (CRAN)
https://cran.r-project.org/web/packages/reticulate/index.html

R Paket kafka auf GitHub https://github.com/INWTlab/r-kafka

Blogartikel zum R Paket kafka
https://www.inwt-statistics.de/blog/r-paket-kafka

nats https://nats.io/

Azure EventHub
https://azure.microsoft.com/de-de/products/event-hubs

Redpanda https://www.redpanda.com/

Fragen, Feedback und Themenwünsche gern an
podcast@inwt-statistics.de