Artwork

Το περιεχόμενο παρέχεται από το Dan Vega and DaShaun Carter. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Dan Vega and DaShaun Carter ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.
Player FM - Εφαρμογή podcast
Πηγαίνετε εκτός σύνδεσης με την εφαρμογή Player FM !

S3E32 - Streaming Data with Chris Bono

56:34
 
Μοίρασέ το
 

Manage episode 442959587 series 3470589
Το περιεχόμενο παρέχεται από το Dan Vega and DaShaun Carter. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Dan Vega and DaShaun Carter ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.

In this episode of Spring Office Hours, hosts Dan Vega and DeShaun Carter interview Chris Bono, a Spring team member who works on Spring Cloud Dataflow and Spring Pulsar. They discuss streaming data, comparing Apache Kafka and Apache Pulsar, and explore the features and use cases of Spring Cloud Stream applications. Chris provides insights into the architecture of streaming applications, explains key concepts, and highlights the benefits of using Spring's abstraction layers for working with messaging systems.

Show Notes:

  1. Introduction to Chris Bono and his work on Spring Cloud Dataflow and Spring Pulsar
  2. Comparison between Apache Kafka and Apache Pulsar
  3. Overview of Spring Cloud Stream and its binders
  4. Explanation of source, processor, and sink concepts in streaming applications
  5. Introduction to Spring Cloud Stream Applications project
  6. Discussion on Change Data Capture (CDC) and its importance in streaming
  7. Exploration of various sources, processors, and sinks available in Spring Cloud Stream Applications
  8. Mention of KEDA (Kubernetes Event-driven Autoscaling) and its potential use with Spring Cloud applications
  9. Upcoming features in Spring Pulsar 1.2 release
  10. Importance of community feedback and using GitHub discussions for feature requests and issue reporting

The podcast provides a comprehensive overview of streaming data concepts and how Spring projects can be used to build efficient streaming applications.

  continue reading

62 επεισόδια

Artwork
iconΜοίρασέ το
 
Manage episode 442959587 series 3470589
Το περιεχόμενο παρέχεται από το Dan Vega and DaShaun Carter. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Dan Vega and DaShaun Carter ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.

In this episode of Spring Office Hours, hosts Dan Vega and DeShaun Carter interview Chris Bono, a Spring team member who works on Spring Cloud Dataflow and Spring Pulsar. They discuss streaming data, comparing Apache Kafka and Apache Pulsar, and explore the features and use cases of Spring Cloud Stream applications. Chris provides insights into the architecture of streaming applications, explains key concepts, and highlights the benefits of using Spring's abstraction layers for working with messaging systems.

Show Notes:

  1. Introduction to Chris Bono and his work on Spring Cloud Dataflow and Spring Pulsar
  2. Comparison between Apache Kafka and Apache Pulsar
  3. Overview of Spring Cloud Stream and its binders
  4. Explanation of source, processor, and sink concepts in streaming applications
  5. Introduction to Spring Cloud Stream Applications project
  6. Discussion on Change Data Capture (CDC) and its importance in streaming
  7. Exploration of various sources, processors, and sinks available in Spring Cloud Stream Applications
  8. Mention of KEDA (Kubernetes Event-driven Autoscaling) and its potential use with Spring Cloud applications
  9. Upcoming features in Spring Pulsar 1.2 release
  10. Importance of community feedback and using GitHub discussions for feature requests and issue reporting

The podcast provides a comprehensive overview of streaming data concepts and how Spring projects can be used to build efficient streaming applications.

  continue reading

62 επεισόδια

Όλα τα επεισόδια

×
 
Loading …

Καλώς ήλθατε στο Player FM!

Το FM Player σαρώνει τον ιστό για podcasts υψηλής ποιότητας για να απολαύσετε αυτή τη στιγμή. Είναι η καλύτερη εφαρμογή podcast και λειτουργεί σε Android, iPhone και στον ιστό. Εγγραφή για συγχρονισμό συνδρομών σε όλες τις συσκευές.

 

Οδηγός γρήγορης αναφοράς