{"id":52728,"date":"2019-11-15T00:00:00","date_gmt":"2019-11-14T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/data-mesh-kak-rabotat-s-dannymi-bez-monolita"},"modified":"2020-02-18T14:00:31","modified_gmt":"2020-02-18T11:00:31","slug":"data-mesh-kak-rabotat-s-dannymi-bez-monolita","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/data-mesh-kak-rabotat-s-dannymi-bez-monolita","title":{"rendered":"Data Mesh: Wie man mit Daten ohne Monolith arbeitet","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>Hallo, Habr! Bei Dodo Pizza Engineering lieben wir Daten sehr (wer tut das nicht?). Jetzt erz\u00e4hlen wir die Geschichte, wie wir alle Daten der Dodo Pizza-Welt sammeln und jedem Mitarbeiter des Unternehmens einen bequemen Zugang zu diesem Datensatz erm\u00f6glichen. Die Aufgabe mit einem Sternchen: Die Nerven des Data Engineering-Teams schonen.<\/p>\n<p>\n<img decoding=\"async\" alt=\"Data Mesh: Wie man mit Daten ohne Monolith arbeitet\" src=\"\/wp-content\/uploads\/2019\/11\/f796b2caaa9dce1ad5e5317dd7d79b16.jpeg\" style=\"display:block;margin: 0 auto;\" \/><noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<p>Wie wahre Messies sammeln wir verschiedene Informationen \u00fcber die Arbeit unserer Pizzerien:<\/p>\n<p><\/p>\n<ul>\n<li>Wir behalten alle Bestellungen der Nutzer im Ged\u00e4chtnis; <\/li>\n<li>Wir wissen, wie lange es gedauert hat, die erste Pizza in Syktywkar zu backen;<\/li>\n<li>Wir sehen, wie lange die Pizza gerade jetzt auf dem W\u00e4rmegestell in Woronesch abk\u00fchlt; <\/li>\n<li>Wir speichern Daten \u00fcber den Abgang von Produkten;<\/li>\n<li>und vieles, vieles mehr. <\/li>\n<\/ul>\n<p><\/p>\n<p>F\u00fcr die Arbeit mit Daten bei Dodo Pizza sind jetzt mehrere Teams zust\u00e4ndig, eines davon ist das Data Engineering-Team. Momentan steht vor uns (also uns) die Aufgabe: Jedem Mitarbeiter des Unternehmens einen bequemen Zugang zu diesem Datensatz zu erm\u00f6glichen. <\/p>\n<p><\/p>\n<p>Als wir dar\u00fcber nachdachten, wie wir das umsetzen k\u00f6nnen, fanden wir einen sehr interessanten Ansatz zum Datenmanagement \u2013 <noindex><a rel=\"nofollow\" href=\"https:\/\/martinfowler.com\/articles\/data-monolith-to-mesh.html\">Data Mesh<\/a><\/noindex> (den Link finden Sie in einem gro\u00dfartigen Artikel). Die Ideen darin passten sehr gut zu unserem Konzept, wie wir unser System aufbauen wollen. Weiter im Artikel werden wir unseren neu gedachten Ansatz vorstellen und wie wir seine Implementierung bei Dodo Pizza Engineering sehen.<\/p>\n<p><\/p>\n<h2 id=\"chto-my-imeem-v-vidu-pod-dannymi\">Was wir unter \"Daten\" verstehen<\/h2>\n<p><\/p>\n<p>Lassen Sie uns zuerst kl\u00e4ren, was wir unter Daten bei Dodo Pizza Engineering verstehen:<\/p>\n<p><\/p>\n<ul>\n<li>Ereignisse, die von Diensten gesendet werden (wir haben einen gemeinsamen Bus, der mit RabbitMQ betrieben wird);<\/li>\n<li>Datens\u00e4tze innerhalb der Datenbank (f\u00fcr uns sind das MySQL und CosmosDB);<\/li>\n<li>Clickstream von der mobilen Anwendung und der Website.<\/li>\n<\/ul>\n<p><\/p>\n<p>Damit das Gesch\u00e4ft von Dodo Pizza diese Daten nutzen und sich auf sie verlassen kann, ist es wichtig, dass folgende Bedingungen erf\u00fcllt sind:<\/p>\n<p><\/p>\n<ul>\n<li><strong>Sie m\u00fcssen integrativ sein.<\/strong> Wir m\u00fcssen sicherstellen, dass wir die Daten w\u00e4hrend ihrer Verarbeitung, Speicherung und Anzeige nicht ver\u00e4ndern. Wenn das Gesch\u00e4ft unseren Daten nicht vertrauen kann, haben sie keinen Nutzen.<\/li>\n<li><strong>Sie m\u00fcssen einen Zeitstempel haben und d\u00fcrfen nicht \u00fcberschrieben werden.<\/strong> Das bedeutet, dass wir jederzeit die M\u00f6glichkeit haben wollen, zur\u00fcckzugehen und die Daten eines bestimmten Zeitraums anzusehen. Zum Beispiel, um herauszufinden, wie viele Pizzen am 8. Juli 2018 verkauft wurden.<\/li>\n<li><strong>Sie m\u00fcssen zuverl\u00e4ssig sein.<\/strong> Bei der Sammlung und Speicherung von Daten d\u00fcrfen wir nicht nur die Integrit\u00e4t, sondern auch die Zuverl\u00e4ssigkeit nicht verlieren. Wir k\u00f6nnen keine Daten verlieren, Zeitabschnitte, denn damit verlieren wir das Vertrauen unserer Kunden (sowohl extern als auch intern).<\/li>\n<li><strong>Sie m\u00fcssen mit einem stabilen Schema arbeiten \u2013 wir schreiben Abfragen f\u00fcr diese Daten.<\/strong> Wir m\u00f6chten auf keinen Fall, dass sich mit \u00c4nderungen am Anwendungscode, mit Refactoring, die Abfragen so stark \u00e4ndern, dass sie nicht mehr funktionieren. Derjenige, der die Abfragen schreibt, wird niemals erfahren, dass Sie Refactoring durchgef\u00fchrt haben, bis alles kaputt ist. Wir wollen davon nicht von den Kunden erfahren.<\/li>\n<\/ul>\n<p><\/p>\n<p>In Anbetracht all dieser Anforderungen sind wir zu dem Schluss gekommen, dass die Daten bei Dodo ein Produkt sind. Genauso wie die \u00f6ffentliche API des Dienstes. Dementsprechend sollte das Team, das die Dienstleistung besitzt, auch die Daten besitzen. Zudem sollten \u00c4nderungen am Datenmodell immer abw\u00e4rtskompatibel sein.<\/p>\n<p><\/p>\n<h2 id=\"tradicionnyy-podhod--data-lake\">Traditioneller Ansatz \u2013 Data Lake<\/h2>\n<p><\/p>\n<p>Um die Herausforderungen der zuverl\u00e4ssigen Speicherung und Verarbeitung gro\u00dfer Datenmengen zu meistern, gibt es einen traditionellen Ansatz, der in vielen Unternehmen, die mit solchen Datenpools arbeiten, angewendet wird \u2013 Data Lake. Im Rahmen dieses Ansatzes sammeln Data Engineers Informationen aus allen Komponenten des Systems und speichern sie in einem gro\u00dfen Speicher (das kann zum Beispiel Hadoop, Azure Kusto, Apache Cassandra oder sogar eine MySQL-Replikation sein, wenn die Daten hineinpassen). <\/p>\n<p><\/p>\n<p>Anschlie\u00dfend schreiben dieselben Ingenieure Abfragen f\u00fcr dieses Speicher. Die Implementierung dieses Ansatzes in Dodo Pizza Engineering bedeutet, dass das Data Engineering-Team das Datenmodell im analytischen Storage besitzen wird. <\/p>\n<p><\/p>\n<p>In diesem Szenario werden die Teams sehr traurige Katzen, und das aus folgenden Gr\u00fcnden:<\/p>\n<p><\/p>\n<ul>\n<li>Sie m\u00fcssen die \u00c4nderungen in <strong>ALLEN<\/strong> Diensten innerhalb des Unternehmens \u00fcberwachen. Und es gibt viele davon, und \u00c4nderungen geschehen st\u00e4ndig (im Durchschnitt mergen wir etwa 100 Pull-Requests pro Woche, w\u00e4hrend viele Dienste \u00fcberhaupt keine Pull-Requests erstellen).<\/li>\n<li>Bei \u00c4nderungen am Datenmodell muss der Produktverantwortliche und das Team, das das Datenmodell \u00e4ndert, warten, bis das Data Engineering den erforderlichen Code geschrieben hat, um die \u00c4nderungen zu unterst\u00fctzen. Dabei hat man schon lange festgestellt, dass Situationen, in denen ein Team auf ein anderes warten muss, sehr selten sind. Und wir m\u00f6chten nicht, dass dies ein \"normaler\" Teil des Entwicklungsprozesses wird.<\/li>\n<li>Es muss in <strong>ALLEM <\/strong> Das Gesch\u00e4ft des Unternehmens. Das Netzwerk der Pizzerien scheint ein einfaches Gesch\u00e4ft zu sein, aber das ist nur der \u00e4u\u00dfere Schein. Es ist \u00e4u\u00dferst schwierig, ein Team zu versammeln, das \u00fcber gen\u00fcgend Kompetenzen verf\u00fcgt, um ein angemessenes Datenmodell f\u00fcr das gesamte Unternehmen zu erstellen.<\/li>\n<li>Es ist ein einzelner Ausfallpunkt. Jedes Mal, wenn es n\u00f6tig ist, die Daten zu \u00e4ndern, die der Service zur\u00fcckgibt, oder eine Abfrage zu schreiben, fallen all diese Aufgaben an das Data Engineering-Team. Am Ende hat das Team einen \u00fcberlasteten Backlog.<\/li>\n<\/ul>\n<p><\/p>\n<blockquote><p>Das bedeutet, dass das Team an einem Schnittpunkt einer enormen Menge an Bed\u00fcrfnissen sitzt und diese kaum befriedigen kann. Dabei befindet sich das Team st\u00e4ndig unter Zeitdruck und Stress. Das m\u00f6chten wir wirklich nicht. Daher m\u00fcssen wir \u00fcberlegen, wie wir diese Probleme l\u00f6sen und gleichzeitig die M\u00f6glichkeit zur Datenanalyse erhalten k\u00f6nnen.<\/p><\/blockquote>\n<p><\/p>\n<h2 id=\"peretekaya-ot-data-lake-k-data-mesh\">Vom Data Lake zum Data Mesh \u00fcbergehen<\/h2>\n<p><\/p>\n<p>Zum Gl\u00fcck haben sich nicht nur wir diese Frage gestellt. Tats\u00e4chlich wurde ein \u00e4hnliches Problem in der Industrie bereits gel\u00f6st (Halleluja!). Nur in einem anderen Bereich: Deployment von Anwendungen. Ja, ich spreche \u00fcber den DevOps-Ansatz, bei dem das Team festlegt, wie das Produkt, das sie erstellen, bereitgestellt werden soll. <\/p>\n<p><\/p>\n<p>Einen \u00e4hnlichen Ansatz zur L\u00f6sung der Probleme des Data Lakes schlug Zhamak Dehghani, Beraterin bei ThoughtWorks, vor. Indem sie beobachtete, wie \u00e4hnliche Herausforderungen Netflix und Spotify angehen, verfasste sie einen gro\u00dfartigen Artikel <noindex><a rel=\"nofollow\" href=\"https:\/\/martinfowler.com\/articles\/data-monolith-to-mesh.html\">Wie man \u00fcber einen monolithischen Data Lake zu einem verteilten Data Mesh hinausgeht<\/a><\/noindex>(der Link dazu war am Anfang des Artikels). Die wichtigsten Ideen, die wir daraus gezogen haben:<\/p>\n<p><\/p>\n<ul>\n<li>Teilen Sie den gro\u00dfen Data Lake in Daten-Dom\u00e4nen auf, die sehr \u00e4hnlich zu Domain-driven Design-Dom\u00e4nen sind. Jede Dom\u00e4ne ist ein kleiner Bound Context.<\/li>\n<li>Feature-Teams, die f\u00fcr DDD-Dom\u00e4nen verantwortlich sind, sind auch f\u00fcr die entsprechenden Daten-Dom\u00e4nen verantwortlich. Sie verwalten das Schema, nehmen \u00c4nderungen vor und laden Daten in dieses ein. Dabei wissen sie genau, wie sie die Datenladung \u00e4ndern k\u00f6nnen, ohne etwas kaputt zu machen, wenn sich die Anwendung \u00e4ndert. Das Wissen geht nicht verloren. Um Daten freizugeben, m\u00fcssen sie nicht weiter gehen. Das Team f\u00fchrt den gesamten Entwicklungszyklus von der \u00c4nderung operativer Daten bis zur Bereitstellung analytischer Daten f\u00fcr Dritte durch. Ein Team besitzt alles, was mit der Dom\u00e4ne zur tun hat (sowohl mit der Gesch\u00e4ftsdomain als auch mit der Datendom\u00e4ne).<\/li>\n<li>Data Engineer \u2013 eine Rolle innerhalb des Feature-Teams. Es muss nicht unbedingt eine separate Person sein, aber es ist erforderlich, dass das Team \u00fcber diese Kompetenz verf\u00fcgt.<\/li>\n<\/ul>\n<p><\/p>\n<h2 id=\"a-v-eto-vremya-komanda-data-engineering\">Und w\u00e4hrenddessen arbeitet das Data Engineering-Team\u2026<\/h2>\n<p><\/p>\n<p>Wenn man sich vorstellt, dass das alles mit einem Fingerschnippen realisiert wird, bleibt nur noch zu beantworten, zwei Fragen:<\/p>\n<p><\/p>\n<p><strong>Womit wird das Data Engineering-Team jetzt besch\u00e4ftigt sein?<\/strong> Im Dodo Pizza Engineering gibt es bereits ein Plattform-\/SRE-Team. Ihre Aufgabe ist es, den Entwicklern Werkzeuge f\u00fcr eine einfache Bereitstellung von Services zu geben. Das Data Engineering-Team wird dieselbe Rolle nur f\u00fcr die Daten \u00fcbernehmen. <\/p>\n<p><\/p>\n<p>Die Umwandlung operativer Daten in analytische Daten ist ein komplexer Prozess. Analytische Daten f\u00fcr das gesamte Unternehmen zug\u00e4nglich zu machen, ist noch komplizierter. Genau an der L\u00f6sung dieser Probleme wird das Data Engineering-Team arbeiten. <\/p>\n<p><\/p>\n<p>Wir planen, dem Feature Team ein praktisches Set von Werkzeugen und Praktiken zur Verf\u00fcgung zu stellen, mit denen sie die Daten aus ihrem Service f\u00fcr das restliche Unternehmen ver\u00f6ffentlichen k\u00f6nnen. Zudem werden wir f\u00fcr die gemeinsamen Infrastrukturteile des Data-Pipelines verantwortlich sein (Warteschlangen, zuverl\u00e4ssige Speicherung, Cluster f\u00fcr Datenverarbeitungen). <\/p>\n<p><\/p>\n<p><strong>Wie werden Data Engineer-F\u00e4higkeiten im Feature Team entstehen?<\/strong> Es ist komplizierter mit dem Feature Team. Nat\u00fcrlich k\u00f6nnten wir versuchen, in jedes unserer Teams einen Data Engineer einzustellen. Aber das ist sehr schwierig. Jemanden mit einem soliden Hintergrund in der Datenverarbeitung zu finden und ihn zu \u00fcberzeugen, in einem Produktteam zu arbeiten, ist eine Herausforderung. <\/p>\n<p><\/p>\n<p>Ein gro\u00dfer Vorteil von Dodo ist, dass wir internes Training sch\u00e4tzen. Daher ist unser Plan jetzt folgender: Das Data Engineering-Team beginnt, die Daten einiger Services zu ver\u00f6ffentlichen, weint, sticht sich, aber isst weiter den Kaktus. Sobald wir verstehen, dass wir einen funktionierenden Prozess zur Ver\u00f6ffentlichung haben, beginnen wir, dar\u00fcber im Feature Team zu berichten. <\/p>\n<p><\/p>\n<p>Wir haben mehrere M\u00f6glichkeiten, dies zu tun: <\/p>\n<p><\/p>\n<ol>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/dodopizzaio\/blog\/462033\/\">DevForum<\/a><\/noindex>, auf dem wir erkl\u00e4ren, wie der Prozess aussieht, den wir erstellt haben, welche Werkzeuge es gibt und wie man sie am effektivsten nutzen kann. <\/li>\n<li>Ein Auftritt auf dem DevForum wird uns helfen, Feedback von den Produktentwicklern zu sammeln. Danach k\u00f6nnen wir uns den Produktteams anschlie\u00dfen und ihnen helfen, Aufgaben zur Datenver\u00f6ffentlichung zu l\u00f6sen und Schulungen f\u00fcr die Teams zu organisieren. <\/li>\n<\/ol>\n<p><\/p>\n<h2 id=\"potreblenie-dannyh\">Datenverbrauch<\/h2>\n<p><\/p>\n<p>Ich habe jetzt viel \u00fcber die Ver\u00f6ffentlichung von Daten gesprochen. Aber es gibt auch noch den Verbrauch. Was ist in dieser Hinsicht?<\/p>\n<p><\/p>\n<p>Wir haben ein tolles BI-Team, das sehr komplexe Berichte f\u00fcr die Managementgesellschaft erstellt. Innerhalb von Dodo IS gibt es viele Berichte f\u00fcr unsere Partner, die ihnen helfen, Pizzerien zu verwalten. In unserem neuen Modell betrachten wir sie als Datennutzer, die ihre eigenen Datenbereiche haben. Und genau die Nutzer werden f\u00fcr ihre eigenen Bereiche verantwortlich sein. Manchmal kann der Datenbereich eines Nutzers mit einer Abfrage im analytischen Lager beschrieben werden \u2013 und das ist gut. Aber wir verstehen, dass das nicht immer funktionieren wird. Deshalb m\u00f6chten wir, dass die Plattform, die wir f\u00fcr die Produktteams schaffen, auch von den Datennutzern verwendet werden kann (schlie\u00dflich werden es im Fall von Berichten innerhalb von Dodo IS dieselben Teams sein). <\/p>\n<p><\/p>\n<p>So sehen wir die Arbeit mit Daten in Dodo Pizza Engineering. Wir freuen uns auf Ihre Gedanken dazu in den Kommentaren.<\/p>\n<p>Quelle: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/dodopizzaio\/blog\/475476\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041c\u044b \u0432 Dodo Pizza Engineering \u043e\u0447\u0435\u043d\u044c \u043b\u044e\u0431\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0435 (\u0430 \u043a\u0442\u043e \u0438\u0445 \u0441\u0435\u0439\u0447\u0430\u0441 \u043d\u0435 \u043b\u044e\u0431\u0438\u0442?). \u0421\u0435\u0439\u0447\u0430\u0441 \u0431\u0443\u0434\u0435\u0442 \u0438\u0441\u0442\u043e\u0440\u0438\u044f \u043e \u0442\u043e\u043c, \u043a\u0430\u043a \u043d\u0430\u043a\u043e\u043f\u0438\u0442\u044c \u0432\u0441\u0435 \u0434\u0430\u043d\u043d\u044b\u0435 \u043c\u0438\u0440\u0430 Dodo Pizza \u0438 \u0434\u0430\u0442\u044c \u043b\u044e\u0431\u043e\u043c\u0443 \u0441\u043e\u0442\u0440\u0443\u0434\u043d\u0438\u043a\u0443 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438 \u0443\u0434\u043e\u0431\u043d\u044b\u0439 \u0434\u043e\u0441\u0442\u0443\u043f \u043a \u044d\u0442\u043e\u043c\u0443 \u043c\u0430\u0441\u0441\u0438\u0432\u0443 \u0434\u0430\u043d\u043d\u044b\u0445. \u0417\u0430\u0434\u0430\u0447\u0430 \u043f\u043e\u0434 \u0437\u0432\u0451\u0437\u0434\u043e\u0447\u043a\u043e\u0439: \u0441\u043e\u0445\u0440\u0430\u043d\u0438\u0442\u044c \u043d\u0435\u0440\u0432\u044b \u043a\u043e\u043c\u0430\u043d\u0434\u044b Data Engineering. \u041a\u0430\u043a \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0435 \u041f\u043b\u044e\u0448\u043a\u0438\u043d\u044b, \u043c\u044b \u043a\u043e\u043f\u0438\u043c \u0432\u0441\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u0443\u044e \u0438\u043d\u0444\u0443 \u043e [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":52729,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-52728","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.2 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041c\u044b \u0432 Dodo Pizza Engineering \u043e\u0447\u0435\u043d\u044c \u043b\u044e\u0431\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0435 (\u0430 \u043a\u0442\u043e \u0438\u0445 \u0441\u0435\u0439\u0447\u0430\u0441 \u043d\u0435 \u043b\u044e\u0431\u0438\u0442?).\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/data-mesh-kak-rabotat-s-dannymi-bez-monolita\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.2\" \/>\n\t\t<meta property=\"og:locale\" content=\"de_DE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47Data Mesh: \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u0431\u0435\u0437 \u043c\u043e\u043d\u043e\u043b\u0438\u0442\u0430 | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041c\u044b \u0432 Dodo Pizza Engineering \u043e\u0447\u0435\u043d\u044c \u043b\u044e\u0431\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0435 (\u0430 \u043a\u0442\u043e \u0438\u0445 \u0441\u0435\u0439\u0447\u0430\u0441 \u043d\u0435 \u043b\u044e\u0431\u0438\u0442?).\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/data-mesh-kak-rabotat-s-dannymi-bez-monolita\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2019-11-14T21:00:00+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-02-18T11:00:31+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Data Mesh: wie man ohne Monolith mit Daten arbeitet | ProHoster","description":"Hallo, Habr! Wir bei Dodo Pizza Engineering lieben Daten sehr (und wer liebt sie heutzutage nicht?).","canonical_url":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/data-mesh-kak-rabotat-s-dannymi-bez-monolita","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"de_DE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47Data Mesh: \u043a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u0431\u0435\u0437 \u043c\u043e\u043d\u043e\u043b\u0438\u0442\u0430 | ProHoster","og:description":"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041c\u044b \u0432 Dodo Pizza Engineering \u043e\u0447\u0435\u043d\u044c \u043b\u044e\u0431\u0438\u043c \u0434\u0430\u043d\u043d\u044b\u0435 (\u0430 \u043a\u0442\u043e \u0438\u0445 \u0441\u0435\u0439\u0447\u0430\u0441 \u043d\u0435 \u043b\u044e\u0431\u0438\u0442?).","og:url":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/data-mesh-kak-rabotat-s-dannymi-bez-monolita","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-11-14T21:00:00+00:00","article:modified_time":"2020-02-18T11:00:31+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"52728","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 04:39:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 20:38:24","updated":"2026-01-24 04:39:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/52728","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/comments?post=52728"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/52728\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media\/52729"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media?parent=52728"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/categories?post=52728"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/tags?post=52728"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}