Learn IT with Shikha Blogs

 💡 Introduction Dans les applications d’entreprise modernes, la communication en temps réel entre les systèmes distribués est devenue indispensable. Apache Kafka — une plateforme de streaming d’événements distribuée — permet de créer des architectures orientées événements, hautement performantes et tolérantes aux pannes. Dans ce guide, vous apprendrez à intégrer Kafka avec Spring Boot et le framework Spring classique , en créant un producteur et un consommateur simples. ⚙️ 1️⃣ Qu’est-ce qu’Apache Kafka ? Apache Kafka est une plateforme de streaming d’événements distribuée conçue pour : Publier et souscrire des flux de données Traiter des événements en temps réel Connecter des systèmes via des files de messages fiables Kafka est souvent utilisé pour : La communication entre microservices La centralisation des journaux L’analyse temps réel Les déclencheurs de processus BPM (comme jBPM) 🧩 2️⃣ Concepts de base Composant Description Producer (...

 💡 Introduction In modern enterprise applications, real-time communication between distributed systems is crucial. Apache Kafka — the powerful distributed streaming platform — enables high-throughput, fault-tolerant event-driven architectures. In this blog, we’ll see how to integrate Kafka with both Spring Boot and classic Spring Framework , using practical examples for Producer and Consumer applications. ⚙️ 1️⃣ What Is Apache Kafka? Apache Kafka is a distributed event streaming platform designed for: Publishing and subscribing to data streams Processing real-time data Connecting systems using reliable message queues Kafka is often used for: Microservice communication Log aggregation Real-time analytics BPM and workflow triggers (like jBPM event integration) 🧩 2️⃣ Core Concepts Component Description Producer Sends (publishes) messages to Kafka topics Consumer Reads messages from Kafka topics Topic A category or feed name to which messages ...

 💡 Introduction Dans jBPM , on utilise souvent des tables de décision DMN pour définir les règles métiers de manière visuelle. Mais il arrive que certaines logiques (calculs, validations, transformations) soient répétées dans plusieurs décisions. 👉 Pour éviter la duplication, vous pouvez créer une 📦 fonction réutilisable dans votre modèle DMN et l’appeler depuis vos tables de décision, expressions ou contextes . Cela rend vos modèles plus clairs , modulaires et faciles à maintenir . 🧠 1️⃣ Qu’est-ce qu’une fonction dans DMN ? Dans DMN, une fonction est un morceau de logique réutilisable écrit en FEEL (Friendly Enough Expression Language) . Elle peut recevoir des paramètres d’entrée et renvoyer une valeur. ✅ Exemple simple de fonction FEEL : function(x) x * 2 📊 Vous pouvez la définir : Dans un contexte Comme une décision distincte Ou sous forme de Business Knowledge Model (BKM) pour la réutiliser globalement ⚙️ 2️⃣ Pourquoi utiliser des fonctions da...

 💡 Introduction In jBPM , we often use DMN Decision Tables to define rules visually. But sometimes, the same logic (for calculations, validations, or text manipulation) is needed across multiple rules. Instead of repeating that logic, you can define it once as a 📦 Function inside DMN and reuse it in your Decision Tables, Literal Expressions, or Contexts. This makes your decision models more modular, maintainable, and business-friendly. 🧠 1️⃣ What Is a Function in DMN? In DMN, a function is a reusable piece of logic written in FEEL (Friendly Enough Expression Language) . It can accept input parameters and return values just like a normal programming function. ✅ Example of a simple FEEL function: function(x) x * 2 📊 You can define it: Inside a Context As a separate Decision node Or as a Business Knowledge Model (BKM) for global reuse ⚙️ 2️⃣ Why Use Functions in DMN Reason Benefit 🧾 Reusability Define once, use across multiple decisions ⚙️ Maintainab...