codecentric mittendrin
Meetups, Stammtische, Hackathons, User Groups: Die codecentric ist weit mehr als die Summe ihrer Mitarbeiter und Projekte.
Softwerkskammer Thüringen 18.07.2019 18:00 Uhr
TDD Trade-Offs und Fake it Outside-In TDD
Dieses Mal besucht uns David Völkel von der Softwerkskammer München. Er erzählt uns was es mit Fake it Outside-In TDD, einem TDD-Stil auf sich hat. Dieser TDD-Stil versucht die Trade-Offs der London School und Chicago School noch weiter zu minimieren. ...
Hackathons Thüringen 05.06.2019 19:00 Uhr
Testing-Hackergarten (Citrus, Sakuli und deren Maintainer)
Wir laden Euch zu unserem ersten Hackergarten (www.hackergarten.net) ein. Diesmal besuchen uns Maintainer von zwei coole Integration Testing Open Source Frameworks mit Kurzvorstellung und und Weiterentwicklung via GitHub-Pull Requests unter Anleitung. Der ideale Einstieg um OSS-Enwickler zu werden… Aufgepasst: Am ...
Softwerkskammer Thüringen 04.06.2019 19:00 Uhr
Integration Testing with Citrus and Sakuli
Diesmal laden wir Euch zu einem Doppelpack bei der Softwerkskammer Thüringen in Jena ein. Ihr lernt gleich zwei coole Integration Testing Frameworks mit Vortrag und Workshop kennen. Aufgepasst: Am Folgetag geht es in Erfurt mit einem Hackergarten in die Verlängerung. ...
Stream Processing and War Stories
We just renamed the group from SMACK to Fast Data and would like to host the second meetup. We will attempt to host this every two months, so please do not hesitate if you have any cool talks! See you around! Agenda for the evening:
SMACK stack from the trenches (Achim Nierbeck)
In this talk I will give an overview about the SMACK – Stack (Streaming, Mesos, Akka, Cassandra, Kafka) and tell about the experiences made with this stack and how to fine tune it for massive data. For a better understanding on how a SMACK stack might work, a demonstration showing how to stream live bus data from Los Angeles with Spark and Flink is shown.
Stream Processing Comparison (Matthias Niehoff)
In this talk I will give an overview on various concepts used in data stream processing. Most of them are used for solving problems in the field of time, focussing on processing time compared to event time. The techniques shown include the Dataflow API as it was introduced by Google and the concepts of stream and table duality. But I will also come up with other problems like data lookup and deployment of streaming applications and various strategies on solving these problems. In the end I will give a brief outline on the implementation status of those strategies in the popular streaming frameworks Apache Spark Streaming, Apache Flink and Kafka Streams.
As always Drinks and Pizza are on us! Please care, Please share!
Speaker:
Organisator:
