Αναλυτικές τεχνικές πραγματικού χρόνου με την Kappa αρχιτεκτονική

dc.contributor.advisorΤαμπακάς, Βασίλειος
dc.contributor.authorΑσπρουλόπουλος, Γεώργιος
dc.contributor.committeeΠιντελάς, Μανώλης,ΒασίλειοςΤσακανίκας
dc.contributor.departmentΤμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.masterΗλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (Integrated master)el
dc.date.accessioned2025-03-24T10:44:20Z
dc.date.available2025-03-24T10:44:20Z
dc.date.issued2025-02
dc.description.abstractΤο αντικείμενο της διπλωματικής εργασίας αφορά την ανάλυση τεχνικών επεξεργασίας δεδομένων σε πραγματικό χρόνο, με έμφαση στην αρχιτεκτονική Kappa. Ξεκινώντας παρουσιάζονται οι έννοιες των BigData, τα χαρακτηριστικά τους και τις προκλήσεις που συνοδεύουν την διαχείρισή τους. Στην συνέχεια, γίνεται σύγκριση μεταξύ της αρχιτεκτονικής Lamda και Kappa, με την πρώτη να προσφέρει επεξεργασία δεδομένων τόσο σε πραγματικό χρόνο όσο και σε batch μορφή, αλλά με βασικό μειονέκτημα της την αυξημένη πολυπλοκότητα. Αντίθετα, η Kappa αρχιτεκτονική βασίζεται αποκλειστικά στο stream processing, παρέχοντας απλοποιημένη διαχείριση και μειωμένο κόστος συντήρησης. Η εργασία αναλύει τεχνολογίες όπως το Apache Kafka, το Apache Storm, το Apache Flink και το Apache Spark. Συγκεκριμένα, το Apache Kafka, λειτουργεί ως κατανεμημένο σύστημα ανταλλαγής μηνυμάτων, το Apache Storm είναι ένα ισχυρό σύστημα επεξεργασίας ροών δεδομένων, το οποίο προσφέρει χαμηλή καθυστέρηση, το Apache Flink, υποστηρίζει event-time processing, επεξεργασία την στιγμή που συνέβη το γεγονός, και το Apache Spark, που επιτρέπει real-time ανάλυση μέσω micro-batching. Τέλος, παρουσιάζεται μια υλοποίηση με τη χρήση του Apache Kafka και του Apache Spark, με πρακτικό παράδειγμα εφαρμογής της Kappa αρχιτεκτονικής. Στόχος της διπλωματικής είναι η διερεύνηση των δυνατοτήτων και των περιορισμών της Kappa, καθώς και η παρουσίαση των πλεονεκτημάτων που προσφέρει στην ανάλυση δεδομένων σε πραγματικό χρόνο.el
dc.description.abstracttranslatedThe subject of the thesis concerns the analysis of real-time data processing techniques, with with emphasis on the Kappa architecture. To begin, the concepts of BigData are presented,the characteristics and the challenges that accompany their management. Then a comparison is made between the Lamda and Kappa architecture, with the with the former offering both real-time and real-time data processing batch format, but with its main drawback being its increased complexity. In contrast, Kappa architecture is based exclusively on stream processing, providing simplified management and reduced maintenance costs. The paper analyses technologies such as Apache Kafka, Apache Storm, Apache Flink and Apache Spark. In particular, Apache Kafka, operates as a distributed messaging system, Apache Storm is a powerful data stream processing system, which offers low latency, Apache Flink, supports event-time processing, processing at the time of the event event, and Apache Spark, which enables real-time analysis through micro-batching. Finally, we present an implementation using using Apache Kafka and Apache Spark, with a practical example of the Kappa architecture. The objective of thesis is to explore the capabilities and limitations of Kappa, as well as to present the advantages it offers in data analysis real-time analysis.el
dc.format.extent103el
dc.identifier.urihttps://amitos.library.uop.gr/xmlui/handle/123456789/8693
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πελοποννήσουel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subject.keywordkappa αρχιτεκτονική , lamda αρχιτεκτονική ,apache kafka, apache storm ,apache flink,apache spark, stream processingel
dc.titleΑναλυτικές τεχνικές πραγματικού χρόνου με την Kappa αρχιτεκτονικήel
dc.title.alternativeReal-time analytical techniques with Kappa architectureel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Asproulopoulos_2107.pdf
Size:
3.68 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
933 B
Format:
Item-specific license agreed upon to submission
Description: