INTERMEDIO · 8 MÓDULOS · 64 LECCIONES

Streaming con Kafka y Flink

Reconoce cuándo el streaming vale la pena y resuelve con Kafka y Flink lo que el batch no puede, como saber en minutos que una tienda dejó de reportar.

Es para ti si
Ya haces pipelines por lotes y te preguntan si el negocio necesita tiempo real.
Al terminar
Sabrás usar tópicos y particiones, ventanas con watermarks, estado incremental y capturar cambios de Postgres con Debezium.
Necesitas
Python intermedio y Docker funcionando. Ayuda haber hecho las guías de dbt y de lakehouse.
  1. 01When Latency Is The Product8 LECCIONES
    1. Presentación del módulo: cuando la latencia ES el producto
    2. El flag débil: streaming que recalcula batch
    3. Qué le cuesta a tu empresa el streaming, y qué le cuesta no tenerlo
    4. Cuando la latencia de verdad ES el producto
    5. Instalando Kafka en modo KRaft con Docker
    6. Instalando PyFlink localmente
    7. Probándolo: el mismo embudo 35.3% en Kafka y Flink
    8. Proyecto: el primer "hello world" de Kafka y Flink de Kiosko
  2. 02Kafka Topics Partitions And Offsets8 LECCIONES
    1. Presentación del módulo: la anatomía real de Kafka
    2. Un topic es un log ordenado, de solo-anexar
    3. Particiones, y por qué el orden solo se garantiza dentro de una
    4. Offsets: el marcador de posición de un consumidor
    5. Eligiendo un cliente Python: `confluent-kafka` vs. `kafka-python`
    6. Creando el topic `kiosko.orders` de Kiosko
    7. Produciendo y consumiendo tu primer mensaje
    8. Proyecto: el primer topic de Kafka de Kiosko
  3. 03Producing And Consuming Kioskos Order Stream8 LECCIONES
    1. Presentación del módulo: del archivo fijo al flujo real
    2. De archivos fijos a un flujo de mensajes
    3. Clave de mensajes por `store_id`
    4. Construyendo un productor determinista y finito
    5. Construyendo un consumidor que verifica el conteo
    6. Replay de la semana canónica a través de Kafka
    7. Verificando de nuevo el mismo total `106.15`
    8. Proyecto: el stream de órdenes de Kiosko en Kafka
  4. 04Event Time Watermarks And Deterministic Windows8 LECCIONES
    1. Presentación del módulo: el corazón de esta guía
    2. Tiempo de procesamiento vs. tiempo-evento
    3. Por qué el reloj de pared está prohibido en esta guía
    4. Watermarks: cómo Flink sabe que es seguro cerrar una ventana
    5. Bounded out-of-orderness en PyFlink
    6. Ventanas tumbling sobre `order_ts`
    7. Reproduciendo los totales diarios de Kiosko con un job de ventanas
    8. Proyecto: la primera ventana determinista de Kiosko
  5. 05Flink Aggregations Windows Vs Running State8 LECCIONES
    1. Presentación del módulo: dos formas de agregar, una sola ventaja real
    2. Revenue por ventana, por tienda
    3. Estado con clave: la otra forma de agregar
    4. Unidades vendidas corrientes por producto, sin recomputar todo
    5. Por qué lo incremental le gana a recomputar todo el historial
    6. Verificando ambos agregados contra los totales conocidos
    7. Qué te da esto que el batch no te da
    8. Proyecto: ventas en vivo y señal de inventario corriente de Kiosko
  6. 06Detecting Kioskos Broken Day Live8 LECCIONES
    1. Presentación del módulo: el caso estrella de esta guía
    2. Ventanas de sesión: una ventana que se cierra por silencio
    3. Diseñando un chequeo de "latido" para una tienda
    4. El 10 de agosto de Kiosko: cuando S02 se queda callada
    5. Construyendo el detector de silencio en PyFlink
    6. La alerta: tienda en silencio, y cuándo dispara
    7. Minutos vs. mañana: comparando contra el DAG diario
    8. Proyecto: la alerta operacional en vivo de Kiosko
  7. 07Cdc The Live Bridge To The Warehouse8 LECCIONES
    1. Presentación del módulo: el hilo que otra guía dejó abierto a propósito
    2. Qué resuelve CDC que un `SELECT` periódico no puede
    3. Debezium y el write-ahead log
    4. Levantando Postgres, Kafka Connect y Debezium con Docker
    5. Capturando el cambio de precio de `P002` como un evento real
    6. Leyendo el payload `before`/`after` de los eventos de cambio
    7. Aplicando el cambio con `table.upsert()` de PyIceberg
    8. Proyecto: el primer puente CDC en vivo de Kiosko
  8. 08Project Kioskos Streaming Pipeline8 LECCIONES
    1. Presentación del módulo: el ensamble completo
    2. El brief: lo que Kiosko necesita saber en minutos, no mañana
    3. Ensamblando el pipeline completo: del productor a la alerta
    4. Corriendo la semana canónica, y coincidiendo con cada guía batch
    5. Corriendo el día roto, y viendo la alerta disparar
    6. Corriendo el puente CDC de punta a punta
    7. Lo que a Kiosko todavía le falta
    8. Proyecto: la primera plataforma de streaming de Kiosko
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab