---
title: "Architecture Asset: Real-Time Streaming Analytics auf STACKIT"
description: "Referenzarchitektur für Real-Time Streaming Analytics auf STACKIT mit Pub/Sub-Messaging, Kubernetes-Stream-Processing und Live-Dashboards in OpenSearch."
sidebar:
  badge:
    text: "STACKIT"
    variant: success
scfAsset:
  maintainers:
    - user: "tobias.mueller"
  managed: false
  category: 'blueprint'
  external: false
  tags: ["foundation", "streaming", "analytics", "real-time", "kubernetes", "wip"]
source_url: "https://framework.stackit.cloud/de/data-and-ai/assetcontainer/stackit/streaming-analytics-pipeline/"
source_file: "docs/de/data-and-ai/assetcontainer/stackit/streaming-analytics-pipeline.mdx"
---

## Überblick

Dieses Muster richtet sich an Near-Real-Time-Analytics. Events strömen durch eine Messaging-Schicht, werden auf Kubernetes verarbeitet, in Object Storage persistiert und in OpenSearch indexiert, um Live-Dashboards und Alerting zu ermöglichen.

## Typischer Use Case

- **Operative Einblicke**: Überwachen Sie Events, Transaktionen oder Telemetrie nahezu in Echtzeit.
- **Ereignisgesteuerte Verarbeitung**: Lösen Sie nachgelagerte Aktionen aus Streaming-Daten aus.
- **Wiedergabefähige Historie**: Bewahren Sie rohe Events in Object Storage auf, um sie erneut zu verarbeiten.

## Architekturdiagramm

```d2
vars: {
  d2-config: {
    pad: 32
  }
}

style.font-size: 22
direction: right
grid-columns: 1

Producers: "Event Producers" {
  icon: ../../../../../../../public/stackit-icons/developer-docs/git.svg
}

Stream: "Streaming Platform" {
  direction: down
  grid-columns: 1

  Bus: "Messaging (Pub/Sub)" {
    icon: ../../../../../../../public/stackit-icons/messaging/pubsub.svg
    link: https://docs.stackit.cloud/products/messaging/rabbitmq/
  }

  Processor: "Stream Processing (Kubernetes)" {
    icon: ../../../../../../../public/stackit-icons/runtime/kubernetes.svg
    link: https://docs.stackit.cloud/products/runtime/kubernetes-engine/
  }
}

Sinks: "Storage & Serving" {
  direction: down
  grid-columns: 1

  Raw: "Raw Events (Object Storage)" {
    icon: ../../../../../../../public/stackit-icons/computing/object-storage.svg
    link: https://docs.stackit.cloud/products/storage/object-storage/
  }
  Index: "Live Index (OpenSearch)" {
    icon: ../../../../../../../public/stackit-icons/databases/opensearch.svg
    link: https://docs.stackit.cloud/products/databases/opensearch/
  }
}

Obs: "Observability" {
  icon: ../../../../../../../public/stackit-icons/logging-monitoring/observability.svg
  link: https://docs.stackit.cloud/products/logging-and-monitoring/observability/
}

Producers -> Stream.Bus
Stream.Bus -> Stream.Processor
Stream.Processor -> Sinks.Raw
Stream.Processor -> Sinks.Index
Stream.Processor -> Obs
```

## Best Practices für das Design

- **Produzenten und Konsumenten entkoppeln**: Verwenden Sie die Messaging-Schicht als dauerhaften Puffer.
- **Verarbeitung idempotent gestalten**: Entwerfen Sie für At-Least-Once-Lieferung und sichere Wiederholungen.
- **Rohdaten vor der Transformation persistieren**: Bewahren Sie wiedergabefähige rohe Events für die erneute Verarbeitung und das Audit auf.
- **Retention und Indizes richtig dimensionieren**: Balancieren Sie die Abfragegeschwindigkeit mit den Speicherkosten aus.

## Zugehörige Data- & AI-Assets

- <LinkChip href="/data-and-ai/assetcontainer/stackit/lakehouse-data-platform/">Souveräne Lakehouse-Datenplattform</LinkChip>