händelseströmmar

Händelseströmmar är en term som används inom datavetenskap och informationsteknik för att beskriva kontinuerligt inkommande sekvenser av händelser som genereras av användare, sensorer eller mjukvara och som behandlas i realtid. Varje händelse är en liten dataruta som innehåller typ, tidsstämpel och payload; händelserna ordnas vanligtvis i tidsordning och kan konsumeras av en eller flera klienter oberoende av varandra.

Modell och arkitektur: Händelseströmmar skiljer sig från traditionell batchbearbetning genom att de behandlas när de uppstår istället för att samla in data för senare analys. Typiska byggstenar är en händelseskälla (producer), ett meddelandekund (broker) som segmenterar och levererar händelserna till konsumenter, och processorer (stream processors) som utför beräkningar, sammanställningar eller uppdateringar av applikationens tillstånd i realtid.

Tekniker: Populära ramverk inkluderar Kafka, Flink, Spark Streaming, samt Rx/Reactive streams. Egenskaper som backpressure, durabilitet, rättvis ordning inom partitioner och differentierad leveranssemantic (at-least-once, exactly-once) är centrala. En vanlig användning är event sourcing där applikationens tillstånd rekonstrueras ur serien av händelser, och i realtidsanalys där strömmen av klick, sensorvärden eller affärshändelser används för omedelbara beslut.

Utmaningar: Bevarande av ordning över partitioner, deduplicering, hantering av förlorade händelser och skala. Satsningar på idempotenta processer och korrekt state management krävs. Fördelarna inkluderar bättre skalbarhet, historik och möjligheten att återskapa tidigare tillstånd.

Användbara relaterade begrepp är eventdriven arkitektur, event sourcing och strömbehandling.