đ 2022-09-01 15:43:30 â Paris/France.
Les clients aiment ĂȘtre au courant des Ă©vĂ©nements lorsquâils se produisent. Lorsquâun client commande une nouvelle paire de chaussures et reçoit une notification indiquant que lâachat a Ă©tĂ© expĂ©diĂ©, obtenir des mises Ă jour de lâĂ©tat dâexpĂ©dition Ă la minute avant son arrivĂ©e amĂ©liore lâexpĂ©rience client globale.
David Diéruf
David est le défenseur des développeurs de Streaming chez DataStax. Au cours de sa carriÚre, il a travaillé sur les ventes aux entreprises, la défense des développeurs et le support open source. Il est pÚre et mari entouré de chevaux et de bourbon à Louisville, Kentucky.
Les mises Ă jour concernant la commande sont des Ă©vĂ©nements qui dĂ©clenchent une rĂ©ponse dans une architecture Ă©vĂ©nementielle (EDA). Un EDA est une conception logicielle qui rĂ©agit aux changements dâĂ©tat (Ă©vĂ©nements) et transmet ces Ă©vĂ©nements Ă lâaide dâune architecture dĂ©couplĂ©e.
Cette architecture dĂ©couplĂ©e peut utiliser plusieurs modĂšles de conception comme le modĂšle de publication-abonnement (pub-sub), oĂč un producteur publie un Ă©vĂ©nement et un abonnĂ© surveille les Ă©vĂ©nements, mais aucun ne dĂ©pend de lâautre.
Le Streaming dâĂ©vĂ©nements et lâapprovisionnement en Ă©vĂ©nements reprĂ©sentent deux façons pour les organisations dâalimenter leurs EDA.
Avec le Streaming dâĂ©vĂ©nements, un flux continu de donnĂ©es circule entre les systĂšmes, les donnĂ©es reprĂ©sentant un nouvel Ă©tat dâĂ©vĂ©nements diffusĂ©s Ă lâaide du modĂšle pub-sub. Le sourcing dâĂ©vĂ©nements, dâautre part, stocke chaque nouvel Ă©vĂ©nement dans un journal dâajout. Cela sert de source de vĂ©ritĂ© contenant un ordre chronologique des Ă©vĂ©nements et des contextes.
Lâapprovisionnement en Ă©vĂ©nements et le Streaming dâĂ©vĂ©nements sont souvent utilisĂ©s cĂŽte Ă cĂŽte dans les EDA, mais il est important de distinguer les deux car ils fonctionnent trĂšs diffĂ©remment. Alors que les flux dâĂ©vĂ©nements favorisent une communication plus accessible entre les systĂšmes, lâapprovisionnement en Ă©vĂ©nements fournit lâhistorique des Ă©vĂ©nements en stockant les nouveaux Ă©vĂ©nements dans un journal en ajout uniquement.
Ici, nous discuterons des deux mĂ©thodes de coordination dâĂ©vĂ©nements et fournirons quelques cas dâutilisation pour chacune.
Streaming dâĂ©vĂ©nements : dĂ©couplez vos services
Le Streaming dâĂ©vĂ©nements utilise lâapproche pub-sub pour permettre une communication plus accessible entre les systĂšmes. Dans le modĂšle architectural pub-sub, les consommateurs sâabonnent Ă un sujet ou Ă un Ă©vĂ©nement, et les producteurs publient sur ces sujets pour la consommation des consommateurs. La conception pub-sub dissocie les systĂšmes de lâĂ©diteur et de lâabonnĂ©, ce qui facilite la mise Ă lâĂ©chelle de chaque systĂšme individuellement.
Les systĂšmes de lâĂ©diteur et de lâabonnĂ© communiquent via un courtier de messages comme Apache Pulsar. Lorsquâun Ă©tat change ou quâun Ă©vĂ©nement se produit, le producteur envoie les donnĂ©es (les sources de donnĂ©es incluent les applications Web, les mĂ©dias sociaux et les appareils IoT) au courtier, aprĂšs quoi le courtier relie lâĂ©vĂ©nement Ă lâabonnĂ©, qui consomme ensuite lâĂ©vĂ©nement.
Le Streaming dâĂ©vĂ©nements implique le flux continu de donnĂ©es provenant de sources telles que des applications, des bases de donnĂ©es, des capteurs et des appareils IoT. Les flux dâĂ©vĂ©nements utilisent le traitement de flux, dans lequel les donnĂ©es sont traitĂ©es et analysĂ©es lors de la gĂ©nĂ©ration. Ce traitement rapide se traduit par des rĂ©sultats plus rapides, ce qui est prĂ©cieux pour les entreprises disposant dâune fenĂȘtre de temps limitĂ©e pour agir, comme pour toute application en temps rĂ©el.
Le Streaming dâĂ©vĂ©nements offre plusieurs avantages aux entreprises ; Voici quelques-uns:
Expérience client améliorée
La diffusion et le traitement dâĂ©vĂ©nements offrent aux organisations la possibilitĂ© dâenrichir lâexpĂ©rience de leurs clients. Par exemple, un client passant une commande pour un dĂźner peut obtenir des mises Ă jour de statut instantanĂ©es, lâinformant lorsque le vĂ©hicule de livraison est en route vers son emplacement ou sâil est arrivĂ©. Cette expĂ©rience client accrue se traduit par une plus grande confiance, de meilleures critiques et une amĂ©lioration des revenus.
Atténuation des risques
Des applications telles que PayPal et dâautres applications de technologie financiĂšre peuvent utiliser la diffusion dâĂ©vĂ©nements pour fournir une dĂ©tection de fraude en ligne afin dâamĂ©liorer la sĂ©curitĂ© Ă lâaide dâune surveillance en temps rĂ©el. Les algorithmes de fraude testent les circonstances dâun Ă©vĂ©nement (achat ou transaction) Ă lâaide dâanalyses prĂ©dictives pour dĂ©tecter un Ă©cart par rapport Ă la norme (une valeur aberrante). Si le systĂšme dĂ©tecte un Ă©vĂ©nement aberrant ou inhabituel, il arrĂȘte la transaction ou empĂȘche la carte de la terminer.
Coûts opérationnels réduits
En analysant les flux dâĂ©vĂ©nements, les outils industriels peuvent enregistrer des mesures de performance et de santĂ© pour Ă©valuer la santĂ© des Ă©quipements. Cette fonctionnalitĂ© permet aux organisations dâeffectuer une maintenance prĂ©dictive sur les machines avant une panne totale, ce qui coĂ»te plus cher Ă rĂ©parer. Dans la fabrication, par exemple, les organisations peuvent utiliser les flux Pulsar pour agrĂ©ger et traiter les donnĂ©es des paramĂštres de la machine, comme la tempĂ©rature ou la pression. Les ingĂ©nieurs pourraient dĂ©finir la tempĂ©rature maximale dâune machine et dĂ©finir une alerte qui se dĂ©clencherait si cette tempĂ©rature est dĂ©passĂ©e. Les opĂ©rateurs de machine pourraient effectuer des vĂ©rifications et de la maintenance avant que des problĂšmes plus coĂ»teux ne surviennent.
Comment le Streaming dâĂ©vĂ©nements est-il utilisĂ©Â ?
Le Streaming dâĂ©vĂ©nements est essentiel pour les entreprises et les applications qui diffusent un volume Ă©levĂ© de donnĂ©es et dĂ©pendent dâinformations rapides et exploitables. Ces applications incluent le commerce Ă©lectronique, le commerce financier et les appareils IoT.
Les applications de trading financier utilisent le Streaming dâĂ©vĂ©nements pour publier des Ă©vĂ©nements urgents oĂč les clients souhaitent agir immĂ©diatement. Par exemple, les utilisateurs peuvent sâabonner Ă un service backend qui envoie des mises Ă jour sur des Ă©vĂ©nements spĂ©cifiques, comme une modification du cours de lâaction, pour permettre une prise de dĂ©cision rapide.
Le Streaming dâĂ©vĂ©nements dispose Ă©galement dâapplications de dĂ©tection des risques et des fraudes dans les systĂšmes financiers qui traitent les paiements et autres transactions (et bloquent les transactions frauduleuses). Des algorithmes de fraude dĂ©finis peuvent bloquer les transactions suspectes en analysant les donnĂ©es immĂ©diatement aprĂšs leur gĂ©nĂ©ration.
Event Sourcing : une histoire ordonnée
Lâapprovisionnement en Ă©vĂ©nements stocke les donnĂ©es sous forme dâĂ©vĂ©nements dans les journaux dâajout. Le processus capture chaque modification de lâĂ©tat dâune application dans un objet dâĂ©vĂ©nement et stocke ces objets dâĂ©vĂ©nement sous forme de journaux dans lâordre chronologique. Avec lâapprovisionnement en Ă©vĂ©nements, les magasins dâĂ©vĂ©nements compilent lâĂ©tat dâune entitĂ© commerciale en tant quâĂ©vĂ©nement dans une sĂ©quence, et un changement dâĂ©tat, comme de nouvelles commandes ou lâannulation dâune commande, ajoute le dernier Ă©tat Ă la liste des Ă©vĂ©nements.
Pour que la recherche dâĂ©vĂ©nements fonctionne efficacement et consomme un minimum de ressources, chaque objet dâĂ©vĂ©nement ne doit contenir que les dĂ©tails nĂ©cessaires. Cela minimise lâespace de stockage et empĂȘche lâutilisation de ressources prĂ©cieuses dans le traitement des donnĂ©es qui conduisent Ă des informations non exploitables.
Les magasins dâĂ©vĂ©nements compilent les Ă©vĂ©nements et le contexte de lâentreprise ; lâajout de longs flux aux journaux dâĂ©vĂ©nements consomme rapidement le stockage de la base de donnĂ©es. Conserver uniquement les contextes dâĂ©vĂ©nement nĂ©cessaires dans le cadre de lâobjet dâĂ©vĂ©nement permet de libĂ©rer de lâespace de stockage pour lâajout de plusieurs journaux dâĂ©vĂ©nements, qui gĂ©nĂšrent des informations exploitables.
Les organisations peuvent choisir dâutiliser des « instantanĂ©s » pour aider Ă optimiser les performances dans de tels cas. Les instantanĂ©s permettent de stocker lâĂ©tat actuel de lâentitĂ©. ConnaĂźtre lâĂ©tat actuel peut uniquement impliquer de tirer les instantanĂ©s et de recrĂ©er une chronologie pour connaĂźtre lâĂ©tat le plus actuel.
Illustrons cela. Supposons que nous disposions dâune base de donnĂ©es faisant le point sur les articles rĂ©cents dâune boutique e-commerce :
La plupart des bases de donnĂ©es ne stockent que lâĂ©tat actuel. Si nous devions rendre compte de la façon dont nous sommes arrivĂ©s Ă la valeur finale du stock de 91, il nây aurait aucune certitude ou clartĂ© quant Ă la façon dont nous y sommes arrivĂ©s. Lâapprovisionnement en Ă©vĂ©nements enregistre chaque changement dâĂ©tat dans un journal, ce qui rend possible le suivi de lâhistorique des Ă©vĂ©nements pour lâanalyse et lâaudit des causes profondes.
Lâimage ci-dessus illustre la recherche dâĂ©vĂ©nements et montre trois Ă©vĂ©nements, chacun avec la date, la quantitĂ© et le type dâĂ©lĂ©ment de la base de donnĂ©es. Dans ce cas, nous pouvons retracer comment nous sommes arrivĂ©s au montant final de 91.
Les organisations de soins de santĂ© sont lâun des secteurs les plus rĂ©glementĂ©s, avec des rĂ©glementations en constante Ă©volution pour protĂ©ger les informations des clients. Ils ont besoin dâune solution de stockage flexible qui sâadapte aux besoins croissants en donnĂ©es tout en maintenant une migration facile des systĂšmes hĂ©ritĂ©s vers les nouvelles technologies.
En utilisant les magasins dâĂ©vĂ©nements comme source unique de vĂ©ritĂ©, les systĂšmes de santĂ© peuvent sâappuyer sur lâĂ©tat immuable des journaux dâĂ©vĂ©nements pour connaĂźtre lâĂ©tat rĂ©el de leurs donnĂ©es et faire des projections prĂ©cieuses en utilisant le traitement de flux en temps rĂ©el. Les entreprises de vente au dĂ©tail et de commerce Ă©lectronique pourraient acquĂ©rir une meilleure connaissance de leurs clients en analysant les grands magasins Ă©vĂ©nementiels durables, ce qui les aide Ă crĂ©er des expĂ©riences client plus personnalisĂ©es.
DiffĂ©rences entre le Streaming dâĂ©vĂ©nements et lâapprovisionnement dâĂ©vĂ©nements
Il existe quelques similitudes entre le Streaming dâĂ©vĂ©nements et le sourcing dâĂ©vĂ©nements. Dâune part, chaque mĂ©thode de coordination dâĂ©vĂ©nements utilise une architecture de microservices dĂ©couplĂ©e, ce qui contribue Ă amĂ©liorer lâĂ©volutivitĂ© et les performances.
Bien que les magasins dâĂ©vĂ©nements et les flux diffĂšrent en termes de durabilitĂ© dâĂ©tat, ils sont essentiels pour fournir les Ă©tats dâĂ©vĂ©nement actuels des applications Ă utiliser dans lâanalyse et la prise de dĂ©cisions commerciales. En outre, les deux mĂ©thodes de coordination dâĂ©vĂ©nements possĂšdent des capacitĂ©s de stockage durables, bien que les magasins dâĂ©vĂ©nements offrent gĂ©nĂ©ralement un stockage Ă©tendu plus long que les flux dâĂ©vĂ©nements.
Ici, approfondissons quelques diffĂ©rences clĂ©s entre le Streaming dâĂ©vĂ©nements et lâapprovisionnement dâĂ©vĂ©nements.
Optimisation
Le Streaming dâĂ©vĂ©nements est optimal pour une communication plus accessible entre les donnĂ©es en mouvement en dissociant les Ă©diteurs des abonnĂ©s et en facilitant la publication de millions de messages Ă haute performance. Dâautre part, lâapprovisionnement en Ă©vĂ©nements aide Ă Ă©tablir lâhistorique des Ă©vĂ©nements en stockant chaque nouvel Ă©tat dâune entitĂ© dans un journal en ajout uniquement.
Mouvement de données
Pour la recherche dâĂ©vĂ©nements, les donnĂ©es existent au repos car les Ă©vĂ©nements sont immuables. Cependant, les flux dâĂ©vĂ©nements impliquent des donnĂ©es toujours en transit, passant entre plusieurs systĂšmes de stockage tels que des bases de donnĂ©es, des capteurs et des applications.
Emballer
Le Streaming dâĂ©vĂ©nements et lâapprovisionnement en Ă©vĂ©nements aident Ă coordonner les Ă©vĂ©nements dans une architecture pilotĂ©e par les Ă©vĂ©nements. Bien que leur utilisation et leur valeur soient diffĂ©rentes, ils fonctionnent bien ensemble pour aider Ă crĂ©er une application durable et performante.
Le Streaming dâĂ©vĂ©nements utilise le modĂšle pub-sub dĂ©couplĂ© pour diffuser en continu des donnĂ©es provenant de diverses sources, ce qui aide Ă orienter la prise de dĂ©cision commerciale. Malheureusement, bien que les outils de diffusion dâĂ©vĂ©nements puissent possĂ©der un stockage durable, ils ne sont pas conçus pour stocker les messages pendant longtemps, car les fonctionnalitĂ©s de stockage durable ne persistent que suffisamment longtemps pour les rendre tolĂ©rants aux pannes et rĂ©silients.
On peut voir lâapprovisionnement en Ă©vĂ©nements comme un sous-ensemble ou un composant du Streaming dâĂ©vĂ©nements. La recherche dâĂ©vĂ©nements ajoute un nouvel Ă©vĂ©nement Ă la liste actuelle des Ă©vĂ©nements de maniĂšre ordonnĂ©e. Il peut Ă©galement servir de source de vĂ©ritĂ© pour des audits fiables et obtenir Ă tout moment lâĂ©tat actuel des Ă©vĂ©nements. Lâapprovisionnement en Ă©vĂ©nements est crucial pour les industries financiĂšres avec de lourdes exigences rĂ©glementaires et dâaudit et un magasin fiable pour suivre et construire lâĂ©tat actuel des Ă©vĂ©nements. En revanche, le Streaming dâĂ©vĂ©nements est crucial dans les applications de trading financier oĂč les actions ont une fenĂȘtre limitĂ©e dans le temps et nĂ©cessitent une action immĂ©diate.
EDA nâest pas nĂ©cessairement une destination. Câest une voie Ă suivre, entraĂźnant certaines performances et caractĂ©ristiques du systĂšme. Par exemple, lâapprovisionnement en Ă©vĂ©nements dĂ©couple un ensemble de microservices afin quâils deviennent moins dĂ©pendants les uns des autres. Cela favorise la rĂ©silience et une itĂ©ration plus facile, entre autres avantages. CombinĂ©s Ă lâapprovisionnement en Ă©vĂ©nements, les microservices ont la possibilitĂ© de rejouer les Ă©vĂ©nements ainsi quâun journal complet des modifications pour une fonctionnalitĂ© donnĂ©e comme le profil dâun utilisateur. Ce type dâarchitecture ouvre de nouvelles possibilitĂ©s au sein des systĂšmes existants.
Image vedette via Canva.
SOURCE : Reviews News
NâhĂ©sitez pas Ă partager notre article sur les rĂ©seaux sociaux afin de nous donner un solide coup de pouce. đ