Pipeline de stream processing con Kafka + Flink para fraude en fintech
Visión general
De qué trata este proyecto.
Diseña el pipeline: ingesta desde el bus de transacciones (Kafka), enriquecimiento con state store (RocksDB embebido en Flink), aplicación de 8 reglas de fraude (windowed aggregations + uniones temporales), publicación a un topic de alertas. Define semántica exactly-once con checkpointing y un esquema de backpressure. Implementa el prototipo con Flink (Scala o Java) y un dataset histórico anonimizado de 7 días. Ejecuta pruebas de carga sintética hasta 8.000 TPS. Entrega: arquitectura, prototipo, resultados de carga, plan de despliegue azul/verde.
El Briefing
Lo que harás y lo que demostrarás.
Migrar la detección de fraude de batch nocturno a un pipeline streaming Kafka + Flink con retraso bajo 5 segundos y exactly-once.
Earning criteria — what you'll demonstrate
- Diseñar pipelines de stream processing con semántica exactly-once
- Implementar reglas con state stores y windowed aggregations
- Probar carga sintética representativa con backpressure
- Planificar despliegues sin interrumpir el flujo en producción
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosBackend Engineer
Construir pipelines de stream processing con Flink + Kafka es la habilidad que distingue a una Backend Engineer en fintech moderna.
Este proyecto afina
- stream-processing
- kafka
- flink
Software Engineer
Las Software Engineers que dominan stream processing pueden ofrecer detección de fraude en segundos en lugar de horas.
Este proyecto afina
- stream-processing
- data-modeling
- kafka