
Sign up to save your podcasts
Or


In der Softwarearchitektur gilt: Systeme lassen sich besser warten und flexibler gestalten, wenn man sie in mehrere Bounded Contexts aufteilt – und das ist gerade bei Microservices-System zentral. Doch nun hat ausgerechnet Netflix, ein Pionier der Microservices-Bewegung, einen Blogpost veröffentlicht, der einen ganz anderen Weg propagiert: „Model Once, Represent Everywhere: UDA (Unified Data Architecture)“.
In dieser Episode nimmt Eberhard den Ansatz von Netflix genauer unter die Lupe und diskutiert, ob die Zeit gekommen ist, die Idee klar getrennter Bounded Contexts infrage zu stellen – und stattdessen auf ein zentrales Modell zu setzen.
Links
Netflix Blog: Model Once, Represent Everywhere: UDA (Unified Data Architecture) at Netflix
Modelle statt Bounded Contexts? Eine Alternative für fachliche Modularisierung
Bounded Context - Was ist das genau?
Stefans Tilkov: Why You Should Avoid a Canonical Data Model
Amazon - Von Microservices zurück zu Monolithen?
By Eberhard WolffIn der Softwarearchitektur gilt: Systeme lassen sich besser warten und flexibler gestalten, wenn man sie in mehrere Bounded Contexts aufteilt – und das ist gerade bei Microservices-System zentral. Doch nun hat ausgerechnet Netflix, ein Pionier der Microservices-Bewegung, einen Blogpost veröffentlicht, der einen ganz anderen Weg propagiert: „Model Once, Represent Everywhere: UDA (Unified Data Architecture)“.
In dieser Episode nimmt Eberhard den Ansatz von Netflix genauer unter die Lupe und diskutiert, ob die Zeit gekommen ist, die Idee klar getrennter Bounded Contexts infrage zu stellen – und stattdessen auf ein zentrales Modell zu setzen.
Links
Netflix Blog: Model Once, Represent Everywhere: UDA (Unified Data Architecture) at Netflix
Modelle statt Bounded Contexts? Eine Alternative für fachliche Modularisierung
Bounded Context - Was ist das genau?
Stefans Tilkov: Why You Should Avoid a Canonical Data Model
Amazon - Von Microservices zurück zu Monolithen?

9 Listeners

216 Listeners

6 Listeners

2 Listeners

5 Listeners

1 Listeners

1 Listeners

169 Listeners

1 Listeners

13 Listeners

16 Listeners

338 Listeners

11 Listeners

0 Listeners

3 Listeners