ITTA propose une formation Apache Kafka Fondamentaux couvrant la plateforme event streaming distribuée : architecture (brokers, topics, partitions, replicas), producers et consumers, Kafka Connect, Kafka Streams, ksqlDB, schema registry, sécurité (SASL, TLS, ACL), opérations. Public : développeurs back-end, data engineers, architectes data, SRE, ingénieurs plateforme. Sessions à Genève, Lausanne et en classe virtuelle interactive.
FILTRER PAR
- Domaines
- Editeurs
- Lieu
- Format
- Niveau
- Certifiant
- Cours confirmé
Apache Kafka a été construit avec la vision de devenir le système nerveux central qui met en temps réel les données à disposition.
Apache Kafka a été créé en 2011 chez LinkedIn par Jay Kreps, Neha Narkhede et Jun Rao, pour résoudre les défis de centralisation des flux de données à grande échelle. Open-sourcé sous l’égide de la fondation Apache, Kafka est devenu en quelques années la plateforme d’event streaming distribuée la plus utilisée. Les trois créateurs ont ensuite fondé Confluent, qui commercialise Confluent Platform et Confluent Cloud (Kafka managé multi-cloud).
En 2026, Kafka est un socle technique présent dans la plupart des architectures data et applicatives modernes. Il sert à découpler les producteurs et consommateurs de données via des topics persistants, à propager des événements métier en temps réel entre microservices, à alimenter des pipelines analytiques (streaming ETL, fraud detection, recommandation), à intégrer des systèmes hétérogènes via Kafka Connect, et à construire des applications stream processing via Kafka Streams ou Apache Flink. Côté évolution, Kafka 3.x et 4.x ont marqué la sortie progressive de ZooKeeper (mode KRaft désormais par défaut), simplifiant le déploiement et l’exploitation.
Notre formation Apache Kafka au catalogue ITTA :
La formation couvre l’ensemble de la plateforme dans une logique projet : architecture Kafka (brokers, topics, partitions, replicas, leader/follower, ISR), modes de fonctionnement (KRaft vs ZooKeeper legacy), producers (configuration, acks, idempotence, transactions, batching), consumers (consumer groups, offset management, rebalancing, cooperative sticky assignor), gestion des messages (clés de partition, ordering, retention, compaction), Kafka Connect pour l’intégration avec sources/sinks externes (databases via Debezium CDC, S3, Elasticsearch, HDFS), Kafka Streams pour le stream processing (KStream, KTable, windowing, joins, exactly-once), introduction à ksqlDB (SQL sur Kafka), schema registry (Avro, Protobuf, JSON Schema), sécurité (SASL, TLS, ACL), observabilité (JMX, Prometheus, Cruise Control), opérations (sizing, monitoring, troubleshooting). Le format est hands-on avec un cluster Kafka réel.
Kafka sert de backbone pour la communication asynchrone entre microservices, en remplacement des appels REST synchrones. Les producteurs publient des événements métier (commande créée, paiement validé, stock mis à jour), les consommateurs réagissent en fonction de leurs responsabilités. L’architecture événementielle (event-driven architecture) qui en résulte est plus résiliente et plus évolutive.
Kafka Connect avec Debezium capture les changements en base relationnelle (PostgreSQL, MySQL, SQL Server, Oracle) et les republie sous forme d’événements (CDC, change data capture). Ces flux alimentent en temps réel des data lakes S3/ADLS, des entrepôts Snowflake/BigQuery, des moteurs de recherche Elasticsearch, ou des data marts spécialisés.
Kafka Streams ou Apache Flink consomment les flux Kafka pour produire des analyses temps réel : détection de fraude, agrégations live (KPI marketing, ventes), enrichissement de données (joins avec des KTable de référence), personnalisation. La latence sub-seconde permet des cas d’usage impossibles en batch.
Kafka centralise les logs applicatifs et infrastructure, qui sont ensuite consommés par Elasticsearch, OpenSearch, Loki ou Splunk. Cette architecture permet de découpler la production des logs (services) de leur consommation (outils d’observabilité).
Kafka s’inscrit dans un panorama plus large couvert par notre catalogue data. Le sous-domaine conception et développement de bases de données regroupe les formations modélisation, bases relationnelles et NoSQL. Le sous-domaine science des données apporte les usages analytiques et IA appliquée. Le sous-domaine analyse et bases de données côté IT pro couvre les compétences administration et BI.
Côté éditeurs, l’éditeur Apache Cassandra apporte la dimension NoSQL distribuée, fréquemment couplée à Kafka pour les architectures haute volumétrie. L’éditeur Apache Hadoop couvre l’écosystème big data historique (HDFS, MapReduce, Hive, Spark), qui coexiste souvent avec Kafka pour le streaming. L’éditeur Open Source regroupe nos formations sur les technologies libres.
Notre audience Kafka est large. On y croise des développeurs back-end qui doivent intégrer Kafka dans leurs microservices, des data engineers qui construisent des pipelines streaming ETL avec Kafka Connect, des architectes data qui valident un choix Kafka pour une nouvelle architecture event-driven, des SRE qui doivent exploiter un cluster Kafka en production (sizing, monitoring, troubleshooting), des ingénieurs plateforme qui industrialisent l’usage de Kafka pour leurs équipes internes, des consultants qui interviennent sur des projets data ou modernisation applicative en Suisse romande et à l’international.
Le paysage event streaming 2026 propose plusieurs options. Apache Kafka reste l’option dominante pour les architectures d’envergure, avec un écosystème riche (Connect, Streams, ksqlDB, Schema Registry). Apache Pulsar est une alternative crédible pour les contextes multi-tenants et géo-distribués. Redpanda est un clone Kafka écrit en C++ qui se positionne sur la simplicité opérationnelle et la performance bas-coût. Les services managés (Confluent Cloud, AWS MSK, Azure Event Hubs avec interface Kafka, Aiven Kafka) délèguent l’exploitation. RabbitMQ et ActiveMQ restent pertinents sur les cas plus petits ou les messages transactionnels. Notre formation aborde ces arbitrages en début de session.
Plusieurs évolutions structurent Kafka en 2026. Le mode KRaft (sans ZooKeeper) est devenu la norme, simplifiant le déploiement. Les services managés (Confluent Cloud, AWS MSK Serverless) gagnent en adoption pour les organisations qui veulent éviter l’exploitation. Le tiered storage (sépare hot et cold storage) permet de garder des rétentions très longues à coût maîtrisé. L’intégration avec Flink (pour stream processing avancé) progresse au détriment de Kafka Streams sur les cas exigeants. L’IA générative entre dans le pipeline data via le RAG, qui s’appuie souvent sur des flux Kafka pour l’ingestion en temps réel. La gouvernance des schémas (schema registry, evolution) devient un sujet majeur sur les organisations avec de nombreux topics et équipes.
Nos sessions Apache Kafka sont planifiées à Genève, Lausanne et en classe virtuelle interactive avec un formateur en direct. Le format est très orienté pratique sur un cluster Kafka réel. Les modalités matérielles vous sont communiquées en amont par notre équipe pédagogique. Pour les équipes data ou plateforme qui souhaitent une montée en compétence groupée sur leur cluster Kafka réel, nous organisons des sessions intra-entreprise calibrées sur votre stack (version Kafka, Confluent ou MSK, Connect en place, Schema Registry, sécurité, observabilité). Cette modalité est très adaptée aux contextes banque, télécom, secteur public, e-commerce et industrie.
Faut-il connaître Java avant cette formation ?
Une culture Java aide pour les exemples producers/consumers et Kafka Streams. La formation aborde aussi les clients Python (confluent-kafka), Node.js et Go pour les profils non-Java. Une expérience préalable en programmation est demandée.
Kafka Streams ou Apache Flink ?
Kafka Streams est pertinent pour des cas simples à modérés, déployés en bibliothèque embarquée. Flink est plus puissant pour les cas avancés (state large, exactly-once distribué, windowing complexe). Notre formation introduit les deux et aide à choisir.
Confluent Cloud, AWS MSK ou self-managed ?
Self-managed offre le contrôle complet mais demande une expertise opérationnelle réelle. Confluent Cloud et AWS MSK Serverless délèguent l’exploitation avec un coût supplémentaire. Le choix dépend des compétences internes, du budget et des contraintes de souveraineté. Notre formation aborde ces arbitrages.
Schema Registry est-il abordé ?
Oui, le Schema Registry (Confluent, Apicurio) est introduit comme la voie recommandée pour gouverner l’évolution des schémas (Avro, Protobuf, JSON Schema) sur les organisations avec de nombreux topics.
ITTA propose un catalogue data cohérent allant des fondamentaux big data (Hadoop, Cassandra) à l’event streaming (Kafka) en passant par les bases relationnelles, le data engineering cloud (AWS Data Engineering, Azure Databricks, Microsoft Fabric) et l’IA appliquée. Cette continuité permet d’aborder une stack data complète. Nos formateurs Kafka sont des data engineers et architectes en activité sur des projets Kafka en Suisse romande, ce qui leur permet d’apporter des exemples concrets et actuels. Sessions disponibles à Genève, Lausanne et en classe virtuelle interactive, en intra et inter-entreprise.
ITTA
Route des jeunes 35
1227 Carouge, Suisse
ITTA
Route des jeunes 35
1227 Carouge, Suisse
