Big Data Processing

Masterstudium

Die Teilnehmer:innen:
• können die besonderen Herausforderungen, die bei der Speicherung und Verarbeitung großer Datenmengen (V-Modell: Volume, Variety, Velocity, Veracity) auftreten, benennen
• können Möglichkeiten, diesen Herausforderungen zu begegnen (hierzu werden beispielhaft Systeme aus den jeweiligen Bereichen des V-Modells besprochen), benennen.
• können entsprechende Lösungen selbst mit Blick auf eine konkrete Problemstellung entwickeln und anwenden

Keine Voraussetzungen

Den Studierenden werden in die grundlegenden Eigenschaften von Big Data eingeführt. Dabei wird besonderes Augenmerk auf den Umgang mit diesen Daten gelegt und das erworbene Wissen mit Beispielen gefestigt. Für die Lösung von Big Data Problemen, werden geeignete Frameworks vorgestellt und im Rahmen von interaktiven Workshops mit Fallstudien bearbeitet. Als Beispiele hierfür sind zu nennen:

- Apache Hadoop
- Apache Spark
- Apache Flink
- Apache Storm
- Apache Samza
- Apache Kafka

Diese Frameworks sollen anhand von Fallbeispielen erklärt und eingesetzt werden. Dafür kann auf die zentral bereitgestellten Data Labs zugegriffen werden.

- Kleppmann, M.; Riccomini, C. (2026): Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems (Ed. 2), O'Reilly, (ISBN: 978-1098119065)
- Chambers, B. (2018): Spark: The Definitive Guide: Big Data Processing Made Simple, O'Reilly, (ISBN: 978-1491912218)
- Marz, N.; Warren, J. (2015): Big Data: Principles and best practices of scalable realtime data systems (Ed. 1), Manning, (ISBN: 978-1617290343)

Klausur

Englisch

4

Folgende Methoden kommen zum Einsatz:

- Vortrag mit Diskussion
- Gruppenarbeiten
- Interaktiver Workshop

3