Eine zentrale Herausforderung von IoT-Anwendungen ist die Auswertung von hochdynamischen Data Streams in Real-Time. Vor dem Hintergrund klassischer Data-Pipelines stellen wir eine Dataflow-Architektur vor, mit der in Real-Time Data Streams korrekt, effizient und schnell verarbeitet werden können. Unsere Architektur erlaubt es, komplexe, aufeinander aufbauende High-Level Querys über heterogene Datenquellen zu stellen, die mit dem Eintreffen neuer Daten inkrementell aktualisiert werden und den Anfragesteller reaktiv über neue Ergebnisse informieren. Ereignisse können dabei bis auf die Nanosekunde genau aggregiert werden.
Vorkenntnisse
Ein grundlegendes Verständnis von Stream Processing und SQL oder Datalog sind empfehlenswert.
Lernziele
Das Kennenlernen von modernen Stream basierten Ansätzen zur Real-Time-Datenverarbeitung im Kontext von IoT.
//
Moritz Moxter
studierte an der TU Darmstadt und der Hochschule RheinMain Informatik und Angewandte Informatik. In seiner Abschlussarbeit entwickelte er ein Verteiltes Access-Control-System. Zusammen mit drei weiteren Studenten gründete er 2014 während dem Studium die Clockworks UG und arbeitet dort heute an Systemen für Real-Time Stream Processing.
//
David Bach
hat Physik an der RWTH Aachen und ETH Zürich studiert und sich dort verstärkt mit Problemen im Bereich Quantum Computing und Circuit Scheduling befasst. Über sein Interesse an Functional Programming und Graph Processing fand er zu Clockworks. Dort arbeitet er nun an Distributed-Stream-Processing-Systemen, Datalog und Ideen zukünftige Systeme deklarativ und effizient abzubilden.