Stimmenzahlen mit Kafka rekonstruieren richtet sich an Lernende, die die grundlegenden Kafka-Clients kennen und aus aufbewahrten Ereignissen ein nützliches fachliches Ergebnis rekonstruieren möchten. Du baust die Stimmenzahlen von Ausstellungsständen neu auf, unterscheidest ein erneut gesendetes Ereignis von einer neuen Stimme und bewahrst den Lesefortschritt einer vorhandenen Anzeigeanwendung.
Zwei Guided Labs entwickeln zuerst die globale Identitätsregel und danach ein vollständiges unabhängiges natives Replay. Eine Challenge wendet dieselben Verfahren auf zwei neue Ausstellungs-Batches und einen absichtlichen Konflikt an. Jede Einheit beginnt unabhängig. Der Autor schätzt den Kurs auf etwa 140–170 Minuten einschließlich Lesen und gewöhnlicher Fehler; dies ist keine gemessene Anfänger-Bearbeitungszeit.
Was du lernen wirst
Nach Abschluss des Kurses kannst du:
- Partition/Offset eines Kafka-Datensatzes von einer globalen fachlichen Ereignis-ID unterscheiden;
- identische Wiederholungen einmal zählen und verschiedene IDs mit sonst gleichem Inhalt getrennt bewahren;
- widersprüchliche Werte derselben ID ablehnen, statt nach Ankunftsreihenfolge einen Gewinner auszuwählen;
- die eingefrorene Grenze jeder Partition erfassen und einen vollständigen endlichen Batch trotz leerer Partitionen, übersprungener Positionen und vorübergehend inaktiver Polls lesen;
- vollständige Snapshots mit physischen Quellhüllen, logischen Stimmen und dem Zähler jedes Stands einschließlich null veröffentlichen und lesen;
- ein Python-Programm für verschiedene Kataloge und Partitionsverteilungen wiederverwenden, ohne die ursprünglichen Anzeigegruppen zurückzusetzen.
Für wen dieser Kurs geeignet ist
Der Kurs richtet sich an Kafka-Lernende, die bereits JSON-Ereignisse veröffentlichen und konsumieren können und eine unabhängige abgeleitete Ansicht aufbauen möchten.
Voraussetzungen: Grundlegende Terminalpfade; Python-Funktionen, Schleifen, Dictionaries und JSON; Kafka-Schlüssel, Partitionen, Offsets, Consumer-Gruppen und die Arbeit mit Python-Producern/-Consumern aus Apache Kafka for Beginners. Schließe beide Guided Labs vor der Challenge ab.
Lernumgebung: Jede Einheit bietet eine vorbereitete Linux-Umgebung mit Terminal, einen echten lokalen Kafka-Broker, den installierten Python-Client, synthetische Ausstellungs-Batches und Werkzeuge zum Lesen der Ergebnisse. Ein externes Konto oder eine lokale Installation ist nicht erforderlich. Befehle, Werkzeugbeschriftungen und Laufzeitausgaben sind auf Englisch.
Häufig gestellte Fragen
Ist dies ein System für Wähleridentität oder eine Person, eine Stimme?
Nein. Die bereitgestellten fachlichen Regeln behandeln jede neue Ereignis-ID als akzeptierte Stimme. Du rekonstruierst diese Ereignisse; du bestimmst nicht, wer ein wirklicher Besucher ist oder ob er erneut abstimmen darf.
Lehrt der Kurs kontinuierliches Streaming oder Exactly-once-Verarbeitung?
Der Kurs verarbeitet endliche eingefrorene Logs. Er vermittelt vollständige Rekonstruktion und Konfliktablehnung, ohne Wiederherstellung kontinuierlicher Streams, systemübergreifende Atomarität, Datenbeständigkeit nach Abstürzen oder Ende-zu-Ende-Exactly-once-Verhalten zu versprechen.
Wie erweitert die Challenge die Guided Labs?
Sie verändert Standnamen, Ereignisbeziehungen, Partitionsanzahlen und Verteilungen. Dieselben vermittelten Python-Schnittstellen und Replay-Verfahren müssen beide gültigen Snapshots erzeugen und einen absichtlichen Konflikt-Batch ablehnen, während das nützliche Ergebnis erhalten bleibt.
