Seminar Apache Hudi Überblick, Architektur und Entscheidungsgrundlagen

Dieses Überblicksseminar ordnet Apache Hudi fachlich und technisch im Data-Lakehouse-Umfeld ein. Im Mittelpunkt stehen Architektur, Tabellenkonzepte, typische Einsatzszenarien und die Frage, wann Hudi für mutable Datenbestände, CDC-Strecken und inkrementelle Verarbeitung die richtige Wahl ist. Die eintägige Dauer ist bewusst auf Orientierung und belastbare Entscheidungsgrundlagen zugeschnitten: kein Bauchladen, sondern das Fundament.

Zielgruppe

Geeignet für Architekten, technische Projektleitungen, Product Owner, Plattformverantwortliche und erfahrene Data Engineers, die vor einer Produkt- oder Architekturentscheidung stehen und Hudi sauber einordnen wollen.

Voraussetzungen

Erwartet wird ein solides Grundverständnis von Data Lakes, SQL, Dateiformaten wie Parquet sowie verteilten Datenplattformen. Tiefe Hudi-Erfahrung ist nicht erforderlich.

Seminarinhalte

• Grundidee und Positionierung von Apache Hudi im Data Lakehouse
• Zentrale Bausteine wie Timeline, Instants, Commits und Tabellenabstraktion
• Copy-on-Write und Merge-on-Read in Bezug auf Latenz, Kosten und Betriebsaufwand
• Snapshot-, Read-Optimized-, Incremental-, Time-Travel- und CDC-Abfragen
• Geeignete Einsatzfälle für CDC, inkrementelle ETL/ELT-Pipelines und mutable Datendomänen
• Rolle von Spark, Flink, Metastore/Katalog und Objekt- bzw. Dateispeichern
• Betriebsrelevante Grundbegriffe wie Compaction, Clustering, Cleaning, Indexing und Concurrency Control
• Entscheidungskriterien für Governance, Skalierung, Teamaufbau und Betrieb

Praxis und Übungen

Anhand einer Referenzarchitektur werden die wichtigsten Entwurfsentscheidungen Schritt für Schritt durchgesprochen. Kleine Bewertungsübungen helfen, unrealistische Erwartungen früh auszusortieren und den späteren Projektpfad sauber festzulegen.