Pipes and Filters

Dieser Beitrag ist eine Begriffserklärung zum Architekturmuster Pipes and Filters – inklusive Prüfungsfragen und Tags.

In a Nutshell

Daten fließen durch eine Kette von Verarbeitungsschritten (Filter), verbunden über standardisierte Schnittstellen (Pipes).

Kompakte Fachbeschreibung

Jeder Filter ist eine unabhängige Verarbeitungseinheit: Eingabe → Transformation → Ausgabe. Pipes transportieren Daten zwischen Filtern. Das Muster eignet sich für Konvertierung, Validierung, Kompilierung, Audio/Video-Pipelines oder ETL.

Prüfungsrelevante Stichpunkte

• Filter sind unabhängige Verarbeitungseinheiten
• Pipes verbinden Filter linear/verzweigt
• Gut für Streaming- oder Batch-Verarbeitung
• Praxis: Compiler-Phasen, Log-Verarbeitung
• Security: Validierungs-/Sanitisierungsfilter
• Wirtschaftlichkeit: wiederverwendbare Filter
• Modular dokumentieren (IHK-relevant)

Kernkomponenten

1. Quelle (Datei/Stream/API)
2. Filter (Validierung)
3. Filter (Transformation)
4. Filter (Aggregation)
5. Pipes zwischen Filtern
6. Datenformat zwischen Filtern
7. Fehlerbehandlung pro Filter
8. Logging
9. Parallelisierung
10. Ziel (DB/Datei)

Praxisbeispiel (Log-Verarbeitung)

Pipe-In: liest Log-Datei
Filter 1: entfernt Leerzeilen
Filter 2: extrahiert Fehler
Filter 3: zählt Fehler pro Typ
Pipe-Out: schreibt Ergebnis in CSV

Vorteile und Nachteile

Vorteile

• Modular und wiederverwendbar
• Gut testbar
• Einfach erweiterbar
• Parallele Verarbeitung möglich

Nachteile

• Overhead bei kleinen Datenmengen
• Fehlerbehandlung über viele Filter hinweg komplex
• Einheitliches Datenformat nötig

Typische Prüfungsfragen (mit Kurzantwort)

1. Was ist Pipes and Filters? Verkettete Filter verarbeiten Daten sequentiell.
2. Wofür geeignet? Datenströme, ETL, Compiler, Streaming.
3. Warum testfreundlich? Jeder Filter ist isoliert testbar.

Freie Antwort

Für Projektdokumentationen ist das Muster ideal, wenn du Import/Transformation/Analyse als Pipeline aufbaust. Es lässt sich gut mit Datenflussdiagrammen darstellen.

Lernstrategie

1. Mini-Kette CSV → Filter → JSON bauen.
2. Kleine ETL-Pipeline implementieren.
3. Filterprozess als Diagramm dokumentieren.
4. Schnittstellenformate klar definieren.

Weiterführende Infos

1. https://camel.apache.org/
2. https://spring.io/projects/spring-integration