{"id":165197,"date":"2023-08-02T15:28:58","date_gmt":"2023-08-02T14:28:58","guid":{"rendered":"https:\/\/liora.io\/de\/?p=165197"},"modified":"2026-02-27T12:10:33","modified_gmt":"2026-02-27T11:10:33","slug":"apache-spark","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/apache-spark","title":{"rendered":"Apache Spark: Was ist das und wozu dient es?"},"content":{"rendered":"<p><strong>Apache Spark ist eine einheitliche, ultraschnelle Analyse-Engine f\u00fcr die Verarbeitung gro\u00dfer Datenmengen. Sie erm\u00f6glicht es, gro\u00dfe Analysen mithilfe von Clustermaschinen durchzuf\u00fchren. Sie ist vor allem auf Big Data und Machine Learning ausgerichtet.<\/strong><\/p>\n<p><iframe title=\"Introduction \u00e0 Spark\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/tLbfPEoXMIM?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<h3>Was ist Apache Spark?<\/h3>\n<p>F\u00fcr alle, die neugierig sind, werfen wir einen Blick zur\u00fcck auf die Entstehung von Apache Spark!<\/p>\n<p>Alles beginnt im Jahr 2009. <a href=\"\/\">Spark<\/a> wurde von Matei Zaharia, einem kanadischen Informatiker, w\u00e4hrend seiner Doktorarbeit an der Universit\u00e4t von Kalifornien in Berkeley entwickelt. Urspr\u00fcnglich war seine Entwicklung eine L\u00f6sung, um <strong>die Verarbeitung von Hadoop-Systemen zu beschleunigen<\/strong>.<\/p>\n<p>Heute ist es ein Projekt der Apache Foundation. Seit 2009 haben mehr als 1200 Entwickler zu dem Projekt beigetragen. Einige von ihnen kommen aus namhaften Unternehmen wie Intel, Facebook, IBM, Netflix&#8230;<\/p>\n<p>2014 stellt Spark offiziell einen neuen Rekord im Sortieren in gro\u00dfem Ma\u00dfstab auf. Es gewann den Daytona Grey Sort Wettbewerb, indem es <strong>100 TB Daten in nur 23 Minuten sortierte<\/strong>. Der vorherige Weltrekord lag bei 72 Minuten, aufgestellt von Yahoo mit einem Hadoop MapReduce Cluster mit 2100 Knoten, w\u00e4hrend <strong>Spark nur 206 Knoten verwendet<\/strong>. Das bedeutet, dass es die gleichen Daten dreimal so schnell sortierte und dabei zehnmal weniger Maschinen einsetzte.<\/p>\n<p>Au\u00dferdem gibt es zwar keinen offiziellen Wettbewerb im Sortieren von Petabytes, aber Spark geht noch einen Schritt weiter und sortiert 1 PB Daten, was 10 Billionen Datens\u00e4tzen entspricht, auf 190 Maschinen in weniger als vier Stunden.<\/p>\n<p>Dies war eine der ersten Petabyte-Sortierungen, die jemals in einer \u00f6ffentlichen Cloud durchgef\u00fchrt wurden. Das Erreichen dieses Benchmarks ist ein wichtiger Meilenstein f\u00fcr das Spark-Projekt. Es beweist, dass Spark sein Versprechen einh\u00e4lt, <strong>als schnellere und skalierbarere Engine f\u00fcr die Verarbeitung von Daten aller Gr\u00f6\u00dfen<\/strong>, von GB \u00fcber TB bis hin zu PB, zu <strong>dienen<\/strong>.<\/p>\n<p><a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\"><br \/>\nEntdecke unsere Weiterbildungen<br \/>\n<\/a><\/p>\n<h3>Apache Spark: Das gr\u00f6\u00dfte Open-Source-Projekt f\u00fcr Big Data<\/h3>\n<p><strong>Apache Spark<\/strong> wurde urspr\u00fcnglich 2009 an der UC Berkeley entwickelt und ist eine einheitliche Analyse-Engine f\u00fcr Big Data und Machine Learning. Das Tool zeichnet sich durch seine beeindruckende Geschwindigkeit und seine Benutzerfreundlichkeit aus.<\/p>\n<p>Seit seiner Einf\u00fchrung wurde Apache Spark von vielen Unternehmen aus einer Vielzahl von Branchen eingesetzt. Internetgiganten wie Netflix, Yahoo und eBay haben Spark eingesetzt und verarbeiten mehrere Petabytes an Daten auf Clustern mit \u00fcber 8000 Knoten.<\/p>\n<p>Innerhalb weniger Jahre ist Apache Spark schnell zum gr\u00f6\u00dften <a href=\"https:\/\/liora.io\/de\/open-source-definition\">Open-Source-Projekt<\/a> im Bereich <a href=\"https:\/\/liora.io\/de\/big-data-ethik-gibt-es-das-ueberhaupt\">Big Data<\/a> geworden. Es hat \u00fcber 1.000 Mitwirkende aus \u00fcber 250 Organisationen.<\/p>\n<p>Dieses 100%ige Open-Source-Projekt wird von der <a href=\"\/\">Apache Software Foundation<\/a> gehostet. Apache Spark, Spark und das Spark-Logo sind jedoch eingetragene Marken dieser ASF-Stiftung. Als gemeinn\u00fctzige Organisation muss die ASF Vorsichtsma\u00dfnahmen treffen, wie ihre Marken von Organisationen verwendet werden. Insbesondere muss sie sicherstellen, dass sich ihre <strong>Softwareprodukte<\/strong> klar von Produkten anderer Anbieter unterscheiden.<\/p>\n<p>Unternehmen, die Software, Dienstleistungen, Veranstaltungen und andere Produkte auf der Grundlage von Apache Spark anbieten m\u00f6chten, sollten die Markenpolitik der Stiftung und ihre FAQs beachten. Kommerzielle oder <strong>Open-Source-Softwareprodukte<\/strong> d\u00fcrfen Spark nicht in ihrem Namen verwenden, au\u00dfer in der Form &#8222;powered by Apache Spark&#8220; oder &#8222;for Apache Spark&#8220;. Dabei m\u00fcssen strenge Regeln beachtet werden.<\/p>\n<p>Von &#8222;Spark&#8220; abgeleitete Namen wie &#8222;Sparkly&#8220; sind ebenfalls nicht erlaubt, und Firmennamen d\u00fcrfen &#8222;Spark&#8220; nicht enthalten. Paketbezeichner d\u00fcrfen das Wort &#8222;Spark&#8220; enthalten, aber der vollst\u00e4ndige Name, der f\u00fcr das Softwarepaket verwendet wird, muss den Regeln folgen.<\/p>\n<p>Schriftliches Material muss das Projekt als &#8222;Apache Spark&#8220; in der ersten Erw\u00e4hnung erw\u00e4hnen, und von Spark abgeleitete Logos sind nicht erlaubt. Schlie\u00dflich sind Domainnamen, die<strong> &#8222;Spark&#8220; enthalten, ohne schriftliche Genehmigung von Apache Spark PMC nicht erlaubt.<\/strong><\/p>\n<p>?Auch interessant:<\/p>\n<table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\">\n<colgroup>\n<col width=\"426\"><\/colgroup>\n<tbody>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Spark&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-spark\"><a href=\"https:\/\/liora.io\/de\/apache-spark\" target=\"_blank\" rel=\"noopener\">Apache Spark<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Kafka&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-kafka\"><a href=\"https:\/\/liora.io\/de\/apache-kafka\" target=\"_blank\" rel=\"noopener\">Apache Kafka<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Cassandra&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-cassandra-die-beliebteste-nosql-bdd\"><a href=\"https:\/\/liora.io\/de\/apache-cassandra-die-beliebteste-nosql-bdd\" target=\"_blank\" rel=\"noopener\">Apache Cassandra<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Schulung&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-schulung-wie-lerne-ich-hadoop-spark-und-cassandra\"><a href=\"https:\/\/liora.io\/de\/apache-schulung-wie-lerne-ich-hadoop-spark-und-cassandra\" target=\"_blank\" rel=\"noopener\">Apache Schulung<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Airflow&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-airflow-was-ist-das-und-wie-kann-man-es-nutzen\"><a href=\"https:\/\/liora.io\/de\/apache-airflow-was-ist-das-und-wie-kann-man-es-nutzen\" target=\"_blank\" rel=\"noopener\">Apache Airflow<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Flume&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-flume-was-ist-das-wozu-dient-es\"><a href=\"https:\/\/liora.io\/de\/apache-flume-was-ist-das-wozu-dient-es\" target=\"_blank\" rel=\"noopener\">Apache Flume<\/a><\/td>\n<\/tr>\n<tr>\n<td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Apache Storm&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/apache-storm-was-ist-das-wozu-benutzt-man-es\"><a href=\"https:\/\/liora.io\/de\/apache-storm-was-ist-das-wozu-benutzt-man-es\" target=\"_blank\" rel=\"noopener\">Apache Storm<\/a><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Welche Vorteile hat Spark?<\/h3>\n<p>Wie du vielleicht schon bemerkt hast, ist der Hauptvorteil von Spark <strong>seine Geschwindigkeit<\/strong>. Spark wurde von Grund auf mit Blick auf die Leistung entwickelt. Das wird durch In-Memory-Computing und andere Optimierungen erreicht.<\/p>\n<p>Es verbraucht weniger Ressourcen als Hadoop und hat ein einfacheres Programmiermodell als Hadoop.<\/p>\n<p>Die Entwickler\/innen heben vor allem die <strong>Schnelligkeit<\/strong> des Produkts bei der Ausf\u00fchrung von Aufgaben im Vergleich zu MapReduce hervor.<\/p>\n<p>Spark ist auch f\u00fcr seine <strong>Benutzerfreundlichkeit und seine<\/strong> ausgefeilten <strong>Analysen bekannt<\/strong>. Es verf\u00fcgt \u00fcber einfach zu bedienende APIs, um mit gro\u00dfen Datenmengen zu arbeiten.<\/p>\n<p>Dar\u00fcber hinaus weist Spark eine gewisse <strong>Vielseitigkeit<\/strong> auf. Es verf\u00fcgt \u00fcber eine Software zur Verarbeitung von Datenstr\u00f6men, ein System zur Verarbeitung von Graphen. Es erm\u00f6glicht auch die vereinfachte Entwicklung von Anwendungen in Java, Scala, Python und R sowie die Durchf\u00fchrung von SQL-Abfragen.<\/p>\n<p>Die Analytics-Engine vereint eine gro\u00dfe Anzahl von <strong>High-Level-Bibliotheken<\/strong>, die SQL-Abfragen, Datenstr\u00f6me, Machine Learning und Graphverarbeitung unterst\u00fctzen. Diese Standardbibliotheken erm\u00f6glichen es Entwicklern, ihre <strong>Produktivit\u00e4t zu steigern<\/strong>. Sie lassen sich leicht in derselben Anwendung kombinieren, um komplexe Arbeitsabl\u00e4ufe zu erstellen.<\/p>\n<p>Schlie\u00dflich erreicht spark mit einem DAG-Scheduler, einem Abfrageoptimierer und einer physikalischen Ausf\u00fchrungsmaschine eine hohe Leistung bei Batch- und Streaming-Daten.<\/p>\n<p><a href=\"https:\/\/liora.io\/de\/weiterbildung-data-engineer\"><br \/>\nWerden Sie ein Spark-Experte<br \/>\n<\/a><\/p>\n<h3>Die Unterschiede zwischen Spark und MapReduce<\/h3>\n<p>Lass uns kurz definieren, was <a href=\"https:\/\/liora.io\/mapreduce\">MapReduce<\/a> ist:<\/p>\n<p>Es handelt sich dabei um ein von Google eingef\u00fchrtes Programmiermodell. MapReduce erm\u00f6glicht den <strong>Umgang mit gro\u00dfen Datenmengen<\/strong>. Um sie zu verarbeiten, verteilt es sie auf einen Cluster von Rechnern.<\/p>\n<p>MapReduce ist bei Unternehmen mit gro\u00dfen Datenverarbeitungszentren wie Amazon oder Facebook sehr beliebt. Es wurden verschiedene Frameworks entwickelt, um es zu implementieren. Das bekannteste ist Hadoop, das von der <a href=\"\/\">Apache Software Foundation<\/a> entwickelt wurde.<\/p>\n<p>Au\u00dferdem bleibt bei MapReduce die Spezifikation der Iteration dem Programmierer \u00fcberlassen. Eigene Prozesse f\u00fcr das Management von Fehlerbehebungen f\u00fchren zu schlechter Leistung. Spark verwendet eine ganz andere Methode. Sie besteht darin, die Datens\u00e4tze im RAM-Speicher zu platzieren und die Strafe f\u00fcr das Schreiben auf die Festplatte zu vermeiden. So unterst\u00fctzt Spark die In-Memory-Verarbeitung, was <strong>die Leistung<\/strong> von Big-Data-Analyseanwendungen <strong>erh\u00f6ht<\/strong> und somit <strong>schneller macht<\/strong>. Es f\u00fchrt die gesamte Datenanalyse im Arbeitsspeicher in Echtzeit aus und greift nur dann auf Festplatten zur\u00fcck, wenn der Arbeitsspeicher nicht ausreicht. Im Gegensatz dazu schreibt Hadoop nach jeder Operation direkt auf Festplatten und arbeitet schrittweise.<\/p>\n<h3>Wer benutzt Spark?<\/h3>\n<p>Seit ihrer Ver\u00f6ffentlichung hat die Unified Analytics Engine eine <strong>schnelle Annahme<\/strong> durch Unternehmen aus verschiedenen Branchen erfahren. <strong>Internet-Gr\u00f6\u00dfen<\/strong> wie <strong>Netflix<\/strong>, <strong>Yahoo<\/strong> und <strong>ebay<\/strong> haben spark in sehr gro\u00dfem Umfang entwickelt.<\/p>\n<p>Derzeit hat Spark \u00fcber 1200 Beitragende wie Intel, Facebook, IBM&#8230; und ist nun die <strong>gr\u00f6\u00dfte Gemeinschaft<\/strong> in der Welt der <a href=\"https:\/\/liora.io\/big-data-tout-savoir\">Big Data<\/a>.<\/p>\n<p>Es erm\u00f6glicht die Vereinheitlichung aller Big-Data-Spark-Anwendungen. Spark eignet sich auch f\u00fcr Marketingkampagnen in Echtzeit, Online-Produktempfehlungen oder Cybersicherheit.<\/p>\n<p><a href=\"https:\/\/liora.io\/de\/weiterbildung-data-engineer\"><br \/>\nEine Schulung zu Spark absolvieren<br \/>\n<\/a><\/p>\n<h3>Was sind die verschiedenen Werkzeuge von Spark?<\/h3>\n<ul>\n<li><strong>Spark SQL<\/strong> erm\u00f6glicht es, Abfragen in SQL-Sprachen auszuf\u00fchren, um Daten zu ver\u00e4ndern und umzuwandeln.<\/li>\n<li><strong>Spark streaming<\/strong> <strong>bietet seinem User eine Verarbeitung von Streamingdaten<\/strong>. Es nutzt Daten in Echtzeit.<\/li>\n<li><strong>Spark graphX<\/strong> verarbeitet Informationen aus Graphen.<\/li>\n<li><strong>Spark MLlib<\/strong> ist eine Bibliothek f\u00fcr maschinelles Lernen, die alle klassischen Lernalgorithmen und Hilfsprogramme wie Klassifizierung, Regression, Clustering, kollaborative Filterung und Dimensionsreduktion enth\u00e4lt.<\/li>\n<\/ul>\n<p>Das Apache spark-Projekt ist immer noch aktuell und entwickelt sich st\u00e4ndig weiter! Es wird von vielen globalen Usern t\u00e4glich verwendet. Es ist ein wichtiges Werkzeug im Bereich Big Data und Data Science! Wenn du dich f\u00fcr diesen Bereich interessierst, dann z\u00f6gere nicht, einen Termin mit unseren Experten zu vereinbaren, um mehr \u00fcber Data Science zu erfahren und den richtigen Kurs f\u00fcr dich zu finden!<\/p>\n<p><a href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\"><br \/>\nEntdecken Sie die Liora Schulungen<br \/>\n<\/a><\/p>\n<h3>Wie kannst du dein Apache Spark Training finanzieren ?<\/h3>\n<p>Der Bildungsgutschein ist ein F\u00f6rderinstrument in Deutschland, das Menschen dabei unterst\u00fctzt, eine berufliche Weiterbildung oder Umschulung zu absolvieren. Er wird von der Agentur f\u00fcr Arbeit oder dem Jobcenter an Arbeitssuchende oder Besch\u00e4ftigte vergeben, wenn diese eine berufliche Weiterbildung ben\u00f6tigen, um ihre Besch\u00e4ftigungsf\u00e4higkeit zu verbessern oder ihre Chancen auf dem Arbeitsmarkt zu erh\u00f6hen.<\/p>\n<p>Hier ist, wie der Bildungsgutschein in der Regel funktioniert:<\/p>\n<ol>\n<li><strong>Bedarfsermittlung<\/strong>: Die Interessenten wenden sich an die Agentur f\u00fcr Arbeit oder das Jobcenter und teilen ihre beruflichen Ziele und Bildungsw\u00fcnsche mit. Dort wird gepr\u00fcft, ob eine Weiterbildung f\u00fcr sie sinnvoll und notwendig ist.<\/li>\n<li><strong>Beratung<\/strong>: Die potenziellen Teilnehmer erhalten eine individuelle Beratung, um festzustellen, welche Weiterbildungsma\u00dfnahmen f\u00fcr sie am besten geeignet sind.<\/li>\n<li><strong>Antragstellung<\/strong>: Wenn die Weiterbildung als geeignet erachtet wird, kann ein Antrag auf einen Bildungsgutschein gestellt werden. Dieser Antrag wird von den zust\u00e4ndigen Stellen gepr\u00fcft und genehmigt.<\/li>\n<li><strong>Auswahl eines Bildungsanbieters<\/strong>: Nach Erhalt des Bildungsgutscheins k\u00f6nnen die Teilnehmer einen Bildungsanbieter ausw\u00e4hlen, der die gew\u00fcnschte Weiterbildungsma\u00dfnahme anbietet. Der Bildungsanbieter muss f\u00fcr die Annahme von Bildungsgutscheinen zugelassen sein.<\/li>\n<li><strong>Teilnahme an der Weiterbildung<\/strong>: Die Teilnehmer nehmen an der ausgew\u00e4hlten Weiterbildungsma\u00dfnahme teil und zahlen die Kosten nicht selbst, sondern reichen den Bildungsgutschein beim Bildungsanbieter ein, der die Kosten mit der Agentur f\u00fcr Arbeit oder dem Jobcenter abrechnet.<\/li>\n<li><strong>Erfolgskontrolle<\/strong>: Die Teilnehmer m\u00fcssen sich aktiv an der Weiterbildung beteiligen und die Pr\u00fcfungen bestehen, um den Bildungsgutschein vollst\u00e4ndig nutzen zu k\u00f6nnen.<\/li>\n<\/ol>\n<p>Der Bildungsgutschein kann verschiedene Kosten abdecken, wie zum Beispiel die Lehrgangsgeb\u00fchren, Pr\u00fcfungsgeb\u00fchren, Materialkosten und Fahrtkosten. Die genauen Leistungen k\u00f6nnen je nach individueller Situation variieren.<\/p>\n<p>Es ist wichtig zu beachten, dass der Bildungsgutschein nicht automatisch gew\u00e4hrt wird und bestimmte Voraussetzungen erf\u00fcllt sein m\u00fcssen. Die genauen Regelungen k\u00f6nnen sich auch regional unterscheiden, da sie von den zust\u00e4ndigen Arbeitsagenturen und Jobcentern verwaltet werden. Interessierte sollten sich daher direkt bei der Agentur f\u00fcr Arbeit oder dem Jobcenter in ihrer N\u00e4he \u00fcber die genauen Bedingungen informieren.<\/p>\n<p><iframe title=\"Wie kann ich meine Weiterbildung finanzieren?\" width=\"500\" height=\"281\" src=\"https:\/\/www.youtube.com\/embed\/awMWNU5D2sE?start=21&#038;feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Apache Spark ist eine einheitliche, ultraschnelle Analyse-Engine f\u00fcr die Verarbeitung gro\u00dfer Datenmengen. Sie erm\u00f6glicht es, gro\u00dfe Analysen mithilfe von Clustermaschinen durchzuf\u00fchren. Sie ist vor allem auf Big Data und Machine Learning ausgerichtet. Was ist Apache Spark? F\u00fcr alle, die neugierig sind, werfen wir einen Blick zur\u00fcck auf die Entstehung von Apache Spark! Alles beginnt im [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":219830,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-165197","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/165197","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=165197"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/165197\/revisions"}],"predecessor-version":[{"id":217281,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/165197\/revisions\/217281"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/219830"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=165197"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=165197"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}