Santosh Praneeth Banda ist ein leitender technischer Führer im Entwickler-Plattformraum, der Wege zur Beschleunigung der Software-Lieferung und zur Verringerung der Komplexität der Infrastruktur entwickelt hat. Architekturen, die langsame, zerbrechliche Bühnenumgebungen durch sichere, Echtzeit-Tests in Live-Systemen ersetzen.Mit dem Fokus auf skalierbare Entwicklerplattformen und robuste Infrastruktur hat Santosh seine Arbeit dazu beigetragen, Ingenieurteams schneller zu iterieren, ohne die Sicherheit oder Zuverlässigkeit zu beeinträchtigen.In diesem Experten-Q&A teilt Santosh Praneeth Banda mit, wie Innovationen in den Bereichen Isolation, Orchestrierung und Beobachtbarkeit neu definieren, wie Software – und die Teams dahinter – im Maßstab funktionieren. production-first, multi-tenant : Die Entwicklung von Software „zu Produktionsgeschwindigkeit“ klingt ideal, aber auch herausfordernd.Was sind die größten Hindernisse für die Skalierung der Softwareentwicklung in Produktions-ähnlichen Umgebungen und wie haben Sie sie angegangen? Interviewer Eine der größten Herausforderungen ist, dass die Produktion traditionell als zu riskant angesehen wurde, um neue Funktionen zu testen. Zu Beginn meiner Karriere glaubten viele, dass es unmöglich war, große Anwendungen (oder jeden komplexen Code) in einem Live-System sicher zu testen, da das Risiko besteht, Nutzer zu beeinflussen. Santosh: production-scale data and compute Ich traf dies aus erster Hand; Bühnenumgebungen konnten einfach nicht den Maßstab oder den Realismus nachahmen, den wir brauchten, und das verlangsamte unsere Iterationen. Über diese Risiken hinaus, haben wir eine Das isolierte Experimente von echten Benutzern, während es noch in der realen Umgebung läuft.Wir nutzten Technologien wie Service Mesh für die Verkehrsrouting und so dass, obwohl wir „in der Produktion“ waren, unsere Tests eingeschränkt und sicher waren. engineer our way multi-tenant, production-first testing model strict data isolation Es war nicht einfach; es dauerte tiefes Experimentieren, Interessenträger zu überzeugen und langjährige Gewohnheiten zu ändern. Schritt für Schritt haben wir bewiesen, dass es funktionieren kann. Indem wir klein anfingen, starke Sicherheitsvorkehrungen durchsetzen und transparent mit den Ergebnissen sind, haben wir Vertrauen in diesen Ansatz aufgebaut. In der Tat inspirierte der Erfolg dieses Modells ähnliche Ansätze bei anderen Technologieunternehmen.Diese Reise lehrte mich, dass das, was sich bei der Skalierung von Softwareentwicklung als „unmöglich“ anfühlt, oft mit einer Mischung aus technischer Einfallsreichtum, Beharrlichkeit und einer klaren Vision für Sicherheit gelöst werden kann. 10× faster feedback loops Interviewer: How did your earlier infrastructure work influence your later innovations in developer platforms? Meine Grundlage lag in der groß angelegten Infrastruktur – um sicherzustellen, dass Systeme effizient skalieren, Fehler tolerieren und automatisch wiederherstellen konnten. Zu Beginn arbeitete ich an Infrastrukturen, die Datenbankreplikation, Fehlertoleranz und verteilte Konsistenz in globalen Rechenzentren optimierten. Santosh:  Wenn Systeme vorhersehbar sind und die Wiederherstellung automatisiert ist, bewegen sich die Entwickler schneller, weil sie der Plattform vertrauen.Der Übergang von der Infrastruktur zur Entwicklererfahrung war keine Änderung der Philosophie – es war eine Fortsetzung. Interviewer: Why move away from traditional staging environments? How does a multi-tenant, production-first workflow change the game for developer velocity and safety? Jahrzehnte lang waren Staging-Umgebungen der de facto Weg, um Veränderungen zu testen - es ist das, was jeder benutzte, weil die Berührung der Produktion tabu war. Sie könnten Tage damit verbringen, in der Bühne zu testen, nur um unsichtbare Probleme zu treffen, wenn Sie endlich live gehen. Workflow mit Multi-Tenant-Isolation, wir haben dieses Skript umgedreht. Santosh: staging is often slow, brittle, and never truly identical to production production-first In einem Produktions-Erstmodell kann jeder Entwickler seine Änderungen in einer Weil es isoliert ist, wirkt es sich nicht auf die tatsächlichen Nutzer aus, sondern es verhält sich genau wie das tatsächliche Produkt. Der Einfluss auf die Entwicklergeschwindigkeit ist dramatisch: Feedback, das früher Tage dauerte oder eine vollständige Veröffentlichung erforderte, kommt jetzt in Minuten oder Stunden. live system sandbox, Wichtig ist, dass dieser Ansatz auch die Sicherheit verbessert. Da Sie in der realen Umgebung testen, erfassen Sie Probleme, die ein Staging-Bereich verpassen könnte, bevor sie Benutzer erreichen. Und wenn etwas in einem Test schief geht, ist der Blastradius in dieser Sandbox enthalten. Stattdessen bewegt man sich schnell und bricht nichts, weil man in der Produktion verantwortungsvoll testet. Es verändert grundlegend, wie Software gebaut wird: Entwickler verbringen weniger Zeit mit dem Warten und mehr Zeit mit dem Bauen, während sie glauben, dass es in der Produktion für alle funktionieren wird, wenn es in der Testsandbox funktioniert. without Interviewer: You often mention the importance of fast feedback loops and real-time observability. Why are these so critical in modern AI and software development? Schnelle Feedback-Schleifen sind das Lebensblut der Innovation.Je schneller Sie wissen, ob eine Veränderung funktioniert oder ein Modell gut funktioniert, desto schneller können Sie iterieren und verbessern. Santosh: Während meiner Zeit bei einem großen Social-Networking-Unternehmen sah ich aus erster Hand, dass sogar Sie müssen Modelle schnell trainieren, anpassen und neu trainieren, und Sie können es sich nicht leisten, Wochen zu warten, um das Verhalten eines Modells in einer realen Umgebung herauszufinden. small improvements in developer feedback loops Jetzt aber, ist, was macht diese schnellen Schleifen sicher. Wenn Sie in etwas in der Nähe der Produktion zu testen, müssen Sie die Sichtbarkeit in alles, was geschieht. Beobachtungs-Tools und Telemetrie lassen uns Experimente zu überwachen, wie sie geschehen. Die Systeme sind mit diesen Tools instrumentiert, so dass jeder Test laufen, jedes neue Modell Bereitstellung, streams zurück Metriken und Spuren in Echtzeit. Auf diese Weise, wenn eine Anomalie oder Fehler auftaucht, fangen wir es sofort. Es schafft eine enge Feedback-Schleife nicht nur für Entwickler Code zu schreiben, sondern für das System selbst uns zu sagen, wie es sich verhält. real-time observability In der Praxis war die Echtzeit-Beobachtbarkeit unser Frühwarnsystem und unser Leitfaden; es gibt den Entwicklern das Vertrauen, sich schnell zu bewegen, da sie wissen, dass wir es sehen und sofort reagieren können, wenn etwas ausfällt. Sie verwandeln die Entwicklung in ein kontinuierliches Gespräch zwischen den Ingenieuren und dem Live-System, was entscheidend für den sicheren Aufbau komplexer KI-Systeme ist. fast feedback and observability work hand-in-hand Interviewer: Enabling safe, scalable experimentation at production scale requires the right infrastructure. What key architectural choices did you make to support this? Eine wichtige Entscheidung war die Umarmung Wir verwendeten Kubernetes, um effemere, isolierte Umgebungen auf Nachfrage zu erstellen.Wenn ein Entwickler ein neues Machine-Learning-Modell oder eine Service-Änderung testen musste, würde die Plattform in Sekunden eine Container-Instanz dieses Dienstes (und alle abhängigen Komponenten) bereitstellen. in Bezug auf Konfiguration, aber isoliert in Bezug auf Daten und Umfang. Santosh: container orchestration replica of production Wir implementierten kontextbasiertes Routing, im Wesentlichen mithilfe von Identifikatoren (mit Hilfe von Telemetriedaten), um sicherzustellen, dass Testanfragen von einem bestimmten Entwickler oder einer bestimmten Sitzung nur an die isolierte Instanz dieses Entwicklers weitergeleitet werden. Es ermöglichte es uns, Anfragen zu markieren und zu verfolgen, so dass sie durch die richtigen Wege flossen, ohne in das Hauptsystem zu bluten. OpenTelemetry-based context propagation Wir haben sichergestellt, dass alle während der Experimente erzeugten Daten getrennt von den tatsächlichen Benutzerdaten gehalten wurden, oft durch die Verwendung von dummy-Konten oder separaten Datenbanken für Testläufe, so dass selbst im schlimmsten Fall ein rogue-Experiment niemals Live-Kundeninformationen beeinflussen konnte. Multi-Mann-Isolation, intelligente Anfrage-Routing und strenge Beobachtbarkeit – wir haben eine Plattform geschaffen, auf der Experimente sicher in großem Maßstab erfolgen können. ephemeral environments Entwickler könnten Hunderte von Experimenten mit realen Workloads laufen, und das System würde die Orchestrierung und Reinigung automatisch bewältigen. Diese Art von Architektur verwandelt das Experimentieren von einem riskanten, seltenen Ereignis in einen Routine-Teil der Entwicklung. mit KI-Modellen und neuen Funktionen, weil die Infrastruktur ihren Rücken hat, die Sicherheit und Leistung beibehalten, egal wie viele Experimente laufen. push the envelope Interviewer: What lessons have you learned from implementing these systems in large-scale engineering organizations? Any advice for teams looking to adopt production-first practices? Eine der größten Lektionen, die ich gelernt habe, ist, dass Mit anderen Worten, die einflussreichsten Systeme, die wir gebaut haben, waren nicht erfolgreich, weil sie zu kompliziert waren, sondern weil sie Wenn Sie wollen, dass Hunderte von Ingenieuren eine neue Plattform oder einen neuen Workflow anwenden, müssen sie die Reibung aus ihrer täglichen Arbeit entfernen.Wir konzentrierten uns darauf, langsame, manuelle Prozesse in schnelle, intuitive Erfahrungen zu verwandeln.Wenn etwas, das früher einen Nachmittag dauerte, jetzt Minuten dauert und es einfacher ist zu tun, umarmen die Menschen es natürlich. Santosh: scale doesn’t come from complexity; it comes from clarity. made life simpler for developers Eine weitere Lektion ist über Menschen, nicht nur über Technologie.Eine Veränderung wie der Umstieg in die Produktion – erste Tests in einer großen Organisation – lehrte mich den Wert von Ich fand heraus, dass Erfolg aus Empathie und Geduld kam: auf Bedenken hören, Verbesserungen demonstrieren und den Wandel mit einer gemeinsamen Vision von besserer Qualität und Geschwindigkeit ausrichten. influence over authority As I often say, technology may be logical, but progress is always human. Finally, a piece of advice I share with others is to  Das Ziel sollte darin bestehen, Tools, Systeme und sogar Teams aufzubauen, die Sie übertreffen.Wenn die Plattform, die Sie erstellen, nur funktioniert, wenn Sie persönlich involviert sind, dann wird sie nicht skalieren.Aber wenn sie andere dazu befähigt, mehr zu tun, auch wenn Sie wegsteigen, das ist echte Auswirkung. focus on leverage, not control Interviewer: Looking ahead, what are your thoughts on the future of developer platforms, especially as AI gets more integrated? How do you see AI influencing developer workflows and infrastructure? Ich bin unglaublich aufgeregt darüber, wohin die Dinge gehen. Wir sehen bereits frühe Anzeichen – von der KI-unterstützten Codierung bis hin zur intelligenten Analyse in CI/CD – aber ich denke, es wird viel weiter gehen. In der Zukunft könnte Ihre Entwicklerplattform selbst AI-Copiloten haben, die neben Ihnen arbeiten. Stellen Sie sich eine KI vor, die Ihre Testumgebung automatisch konfigurieren kann oder Optimierungen in Ihrem Code und Ihrer Infrastruktur vorschlagen kann, basierend auf Mustern, die sie aus Tausenden von Bereitstellungen gelernt hat. Santosh: intelligent developer environments Im Wesentlichen kann eine Menge der Grundarbeit in der Softwareentwicklung und -tests , was es den Entwicklern ermöglicht, sich mehr auf kreative Problemlösung zu konzentrieren und weniger auf Babysitting-Umgebungen oder das Crunching-Log-Daten.Da KI-Modelle komplexer und datenhungrig werden, wird diese Integration auch der Schlüssel sein, um Entwicklungszyklen schnell zu halten.Die Industrie als Ganzes bewegt sich in Richtung dieser Fusion von AI mit Entwickleroperationen; Sie können es in der Art und Weise sehen, wie neue Tools herauskommen, die maschinelles Lernen in die Überwachung, Sicherheit und sogar den Codierungsprozess einbinden. augmented by AI Mein eigenes Ziel ist es, weiterhin in diese Richtung voranzukommen: Plattformen aufzubauen, die Entwicklern helfen. Es ist eine breitere Verschiebung, und ich bin froh, einer der Mitwirkenden zu sein, die daran arbeiten, es zur Realität zu machen.Am Ende wird die Zukunft der Entwicklerplattformen darin bestehen, die Kreativität menschlicher Entwickler mit der Kraft der KI-getriebenen Automatisierung und Einsicht zu verbinden.Diese Kombination hält das Versprechen von Software- und KI-Innovation in einem Tempo und einem Maßstab, den wir noch nie zuvor gesehen haben, und tut es sicher, skalierbar und mit viel weniger Reibung als in der Vergangenheit. ship software at blistering speed

This story contains new, firsthand information uncovered by the writer.

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Bauen mit Produktionsgeschwindigkeit: Wie Multi-Tenant-Systeme die Software-Lieferung gestalten

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our AI Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

HackerNoon Decoded 2024: Celebrating Our AI Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps