当速度很重要时：使用 Hazelcast 和 Redpanda 进行实时流处理

        在本教程中，了解如何构建安全、可扩展、高性能的应用程序，以释放实时数据的全部潜力。

        在本教程中，我们将探索 Hazelcast 和 Redpanda 的强大组合，以构建对实时数据做出反应的高性能、可扩展和容错的应用程序。

        Redpanda 是一个流数据平台，旨在处理高吞吐量、实时数据流。Redpanda 与 Kafka API 兼容，为 Apache Kafka 提供了高性能且可扩展的替代方案。Redpanda 独特的架构使其能够每秒处理数百万条消息，同时确保低延迟、容错和无缝可扩展性。

        Hazelcast 是一个统一的实时流数据平台，通过独特地将流处理和快速数据存储相结合，实现对事件流和传统数据源的低延迟查询、聚合和状态计算，从而对动态数据进行即时操作。它允许您快速构建资源高效的实时应用程序。您可以以任何规模部署它，从小型边缘设备到大型云实例集群。

在这篇文章中，我们将指导您设置和集成这两种技术，以实现实时数据摄取、处理和分析，从而实现强大的流分析。最后，您将深入了解如何利用 Hazelcast 和 Redpanda 的组合功能来释放应用程序的流分析和即时操作的潜力。

那么，让我们开始吧！

Pizza in Motion：披萨外卖服务的解决方案架构

        首先，让我们了解我们要构建什么。我们大多数人都喜欢披萨，所以让我们以披萨送货服务为例。我们的披萨外卖服务实时接收来自多个用户的订单。这些订单包含时间戳、user_id、pizza_type 和数量。我们将使用 Python 生成订单，将它们引入 Redpanda，然后使用 Hazelcast 处理它们。

        但是，如果您想通过上下文数据丰富披萨订单怎么办？例如，为特定类型的披萨推荐特定的开胃菜。如何实时做到这一点？

        实际上有多种选择，但在这篇博文中，我们将向您展示如何使用 Hazelcast 通过存储在 Hazelcast 的 iMap 中的开胃菜丰富来自 Redpanda 的披萨订单。

下面是该解决方案的简要示意图。

教程：使用 Redpanda 和 Hazelcast 进行实时流处理

设置 Redpanda

在本教程的范围内，我们将使用 Docker Compose 设置 Redpanda 集群。因此，请确保本地安装了 Docker Compose。
docker-compose.yml在您选择的位置创建文件并向其中添加以下内容。

version: "3.7"
name: redpanda-quickstart
networks:
redpanda_network:
driver: bridge
volumes:
r