Publicado Thoughtworks Radar 27
(thoughtworks.com)Se caracteriza por visualizar y explicar las tendencias más recientes en las áreas de técnicas/herramientas/plataformas/lenguajes de desarrollo y frameworks en 4 etapas: Hold/Assess/Trial/Adopt
La masificación del machine learning
- Hubo un tiempo en que el ML solo podía ser usado por quienes tenían herramientas y recursos, pero se está volviendo mainstream gracias al aumento en la capacidad de los dispositivos y a la aparición del open source
- Tecnologías como Federated ML hacen posibles modelos de ML que ofrecen privacidad para información sensible
- TinyML mueve la capacidad de inferencia al edge al permitir que los modelos corran en dispositivos con recursos limitados, lo que puede mejorar la seguridad de los datos sensibles
- Feature Store ofrece ventajas similares al patrón de diseño MVC en el desarrollo de apps, separando claramente los problemas entre la curación de datos, el entrenamiento del modelo y la inferencia
- Los modelos públicos como Stable Diffusion resaltan tanto las sorprendentes capacidades del ML como las preocupaciones sobre los datos de origen y la ética
- Los componentes de ML son más fáciles que nunca de conectar entre sí, lo que permite crear diversas experiencias y soluciones de ML a través de modelos de negocio y modelos genéricos de alto rendimiento
El poder de "Platform as a Product"
- La palabra "plataforma" se usa muchísimo: plataformas centradas en negocio o dominio, infraestructura, plataformas de experiencia para desarrolladores, etc.
- En esencia, la causa raíz de muchos problemas y decepciones que las organizaciones experimentan con las plataformas es "no tratarlas adecuadamente como un producto"
- Por ejemplo, en las plataformas para desarrolladores falta la investigación de usuarios o el análisis de contexto que se espera de otros tipos de productos
- Los dueños de la plataforma deben validar sus supuestos sobre las necesidades de los desarrolladores y responder a los patrones reales de uso
- Como cualquier buen producto, una plataforma también necesita soporte continuo. Debe evolucionar y adaptarse según cambien las necesidades de los desarrolladores
- La metáfora de "Platform as a Product" solo funciona cuando se adopta plenamente como una práctica y no como una simple frase
La propiedad de los datos se mueve al edge
- Toda centralización abre la puerta a estrechamientos, cuellos de botella y exposición innecesaria
- La tecnología de software/aplicaciones local-first basada en CRDT, que permite aplicaciones de datos sin una base de datos centralizada, lleva a reflexionar sobre la construcción de datos P2P
- Mover la propiedad de los datos al edge permite a los desarrolladores aprovechar capacidades mejoradas en dispositivos individuales
- Por ejemplo, muchas funciones como el reconocimiento facial pueden procesarse solo en el edge para mantener los datos permanentemente en el dispositivo
Lo móvil también debe ser modular
- A medida que las apps móviles maduran, crecen en tamaño y servicios, y terminan convirtiéndose en las llamadas superapps, que pueden verse como plataformas en sí mismas
- Incluso apps no tan grandes, pero que han acumulado muchas funciones a lo largo de los años, pueden descomponerse en módulos, y las empresas están viendo que la modularización también trae beneficios en las apps móviles
- Las apps modularizadas ofrecen muchas ventajas porque pueden ser desarrolladas por varios equipos
- Eso sí, la complejidad está en que deben distribuirse a través de las app stores, además de dar soporte a versiones web y a iOS/Android nativo, y se requieren cambios sutiles para acomodar cada caso
- A pesar de estos beneficios, adoptar un enfoque modular en el desarrollo móvil sigue siendo difícil, aunque cada vez veremos mejores frameworks
[ Techniques ]
Adopt
- Path-to-production mapping
- Team cognitive load
- Threat modeling
Trial
- BERT
- Component visual regression testing
- Design tokens
- Fake SMTP server to test mail-sending
- Federated machine learning
- Incremental developer platform
- Micro frontends for mobile
- Observability for CI/CD pipelines
- SLSA
- Software Bill of Materials
Assess
- Carbon efficiency as an architectural characteristic
- CUPID
- GitHub push protection
- Local-first application
- Metrics store
- Server-driven UI
- SLIs and SLOs as code
- Synthetic data for testing models
- TinyML
- Verifiable credentials
Hold
- Satellite workers without “remote native”
- SPA by default
- Superficial cloud native
[ Platforms ]
Adopt
- Backstage
- Delta Lake
Trial
- AWS Database Migration Service
- Colima
- Databricks Photon
- DataHub
- DataOps.live
- eBPF
- Feast
- Monte Carlo
- Retool
- Seldon Core
- Teleport
- VictoriaMetrics
Assess
- Bun
- Databricks Unity Catalog
- Dragonfly
- Edge Impulse
- GCP Vertex AI
- Gradient
- IAM Roles Anywhere
- Keptn
- OpenMetadata
- OrioleDB
[ Tools ]
Adopt
- Great Expectations
- k6
Trial
- Apache Superset
- AWS Backup Vault Lock
- AWS Control Tower
- Clumio Protect
- Cruft
- Excalidraw
- Hadolint
- Kaniko
- Kusto Query Language
- Spectral
- Styra Declarative Authorization Service
- xbar for build monitoring
Assess
- Clasp
- Databricks Overwatch
- dbtvault
- git-together
- Harness Cloud Cost Management
- Infracost
- Karpenter
- Mizu
- Soda Core
- Teller
- Xcode Cloud
##Hold - Online services for formatting or parsing code
[ Languages and Frameworks ]
Adopt
- io-ts
- Kotest
- NestJS
- React Query
- Swift Package Manager
- Yjs
Trial
- Azure Bicep
- Camunda
- Gradle Kotlin DSL
- Jetpack Media3
- Ladle
- Moshi
- Svelte
Assess
- Aleph.js
- Astro
- BentoML
- Carbon Aware SDK
- Cloudscape
- Connect
- Cross device SDK
- Cypress Component Testing
- JobRunr
- Million
- Soketi
- Stable Diffusion
- Synthetic Data Vault
Hold
- Carbon
1 comentarios
Thoughtworks Radar 26
ThoughtWorks Radar 24
Desde la edición 24 quería traducir y compartir al menos los temas principales, pero veo que me salté la 25... snif