Loading content
Backpressure ist ein Flusssteuerungsprinzip, das verhindert, dass Produzenten Verbraucher durch zu hohe Datenraten überlasten, indem es die Datenrate über Systemgrenzen reguliert. Es nutzt Rückmeldung, Pufferung, Drosselung oder Zurückweisung und kommt in Streaming, Message-Queues und verteilten Diensten zum Einsatz. Die Auslegung erfordert Abwägungen zwisch…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und bei Bedarf in die 360°-Bewertung zu wechseln.
Theoretisches Gebilde: erklärt einen Begriff, ein Prinzip oder ein Denkmodell.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
Backpressure ist ein Flusssteuerungsprinzip, das die Datenrate zwischen Produzenten und Verbrauchern an die jeweils verfügbare Verarbeitungskapazität anpasst.
Mit dem Aufkommen ereignisgetriebener und verteilter Systeme wurde das Problem sichtbar, dass schnelle Quellen langsamere Empfänger überrollen und Puffer unkontrolliert wachsen können. Backpressure entwickelte sich als praktische Antwort in Streaming-, Messaging- und Dienstarchitekturen: Downstream-Komponenten melden Kapazität zurück, Upstream-Komponenten drosseln, puffern oder lehnen ab. Reactive Streams hat diese Idee auf der JVM formalisiert und verbreitet.
Stell dir eine Pipeline mit Rückkopplung vor. Der Verbraucher zeigt an, wie viel er gerade aufnehmen kann; der Produzent passt sein Tempo daran an. Wenn die Strecke kurzzeitig überlastet ist, werden Daten gepuffert, gebündelt oder vorübergehend gestoppt. Ist keine sichere Aufnahme möglich, wird zurückgewiesen. Backpressure hält den Fluss also nicht durch mehr Speicher stabil, sondern durch fortlaufende Abstimmung zwischen den Stufen.
Die nachgelagerte Komponente signalisiert, wie viel sie verarbeiten kann, und steuert damit den weiteren Zufluss.
Kurzzeitige Spitzen werden zwischengespeichert, damit der Fluss nicht sofort abreißt; das kostet Speicher und kann Latenz erhöhen.
Der Produzent reduziert seine Rate oder pausiert, wenn die nachgelagerte Seite ausgelastet ist.
Wenn keine sichere Kapazität vorhanden ist, werden Daten oder Anfragen abgelehnt; das erfordert Retry- oder Fehlerbehandlung.
Der Verbrauch meldet explizit, wie viel Arbeit oder wie viele Elemente als Nächstes akzeptiert werden können.
Backpressure ist wichtig bei Streams, Message-Queues, asynchronen APIs und Hintergrundverarbeitung mit schwankender Last. Es hilft, Speicherverbrauch und Überlast zu begrenzen und Stabilität über Systemgrenzen hinweg zu erhalten. Der Preis sind mehr Koordination und oft höhere Latenz; außerdem funktioniert es nur dort gut, wo Produzenten Rückmeldungen tatsächlich respektieren. Es ist nicht dasselbe wie Rate Limiting: Dort wird die eingehende Rate an der Grenze begrenzt, hier reagiert das System auf echte Downstream-Kapazität.
Wo dieser Baustein im Themenmodell verortet ist.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.