Santosh Praneeth Banda adalah pemimpin teknikal senior dalam ruang platform pengembang yang telah memulakan cara untuk mempercepatkan penghantaran perisian dan mengurangkan kerumitan infrastruktur. Arsitektur yang menggantikan persekitaran panggung yang lambat dan rapuh dengan ujian masa nyata yang selamat dalam sistem hidup.Dengan memberi tumpuan kepada platform pengembang yang boleh diperluas dan infrastruktur yang kukuh, kerja Santosh telah membantu pasukan kejuruteraan untuk berterusan lebih cepat tanpa mengorbankan keselamatan atau kebolehpercayaan.Dalam Q&A pakar ini, Santosh Praneeth Banda berkongsi bagaimana inovasi dalam isolasi, orkestrasi, dan pemantauan mendefinisikan semula bagaimana perisian - dan pasukan di belakangnya - beroperasi dalam skala. production-first, multi-tenant : Membangunkan perisian "dalam kelajuan pengeluaran" terdengar ideal, tetapi juga mencabar.Apa rintangan terbesar untuk mengembangkan perisian dalam persekitaran seperti pengeluaran, dan bagaimana anda telah menangani mereka? Interviewer Salah satu cabaran terbesar adalah bahawa secara tradisional, pengeluaran dianggap terlalu berisiko untuk menguji ciri-ciri baru. untuk benar-benar mengesahkan prestasi, tetapi menggunakan persekitaran hidup untuk eksperimen telah lama dianggap off-limit. awal kerjaya saya, ramai percaya ia adalah mustahil untuk menguji aplikasi besar (atau mana-mana kod kompleks) dengan selamat dalam sistem hidup kerana risiko memberi kesan kepada pengguna. Santosh: production-scale data and compute Saya bertemu dengan ini daripada tangan pertama; persekitaran penubuhan hanya tidak boleh meniru skala atau realisme yang kami perlukan, dan itu memperlahankan iterasi kami. daripada risiko-risikonya, kami telah merancang a yang mengasingkan eksperimen daripada pengguna sebenar sementara masih berjalan dalam persekitaran sebenar. kami memanfaatkan teknologi seperti mesh perkhidmatan untuk laluan trafik dan sehingga walaupun kami berada "dalam pengeluaran", ujian kami terkandung dan selamat. engineer our way multi-tenant, production-first testing model strict data isolation Ia tidak mudah; ia mengambil eksperimen yang mendalam, meyakinkan pihak berkepentingan, dan mengubah tabiat lama. Langkah demi langkah, kami membuktikan ia boleh berfungsi. Dengan memulakan kecil, menguatkuasakan pengawal keselamatan yang kuat, dan menjadi telus dengan hasil, kami membina kepercayaan dalam pendekatan ini. Sebenarnya, kejayaan model ini mengilhami pendekatan yang sama di syarikat-syarikat teknologi lain. Perjalanan itu mengajarkan saya bahawa apa yang kelihatan "tidak mungkin" dalam pembangunan perisian skala sering boleh diselesaikan dengan campuran kebijaksanaan teknikal, ketekunan, dan visi yang jelas untuk keselamatan. 10× faster feedback loops Interviewer: How did your earlier infrastructure work influence your later innovations in developer platforms? Asas saya ialah dalam infrastruktur skala besar – memastikan bahawa sistem boleh meluaskan secara cekap, mentolerir kegagalan, dan memulihkan secara automatik.Pada mulanya, saya bekerja pada infrastruktur yang mengoptimumkan replikasi pangkalan data, toleransi kegagalan, dan konsistensi yang didistribusikan di seluruh pusat data global. Santosh:  Platform pembinaan pengembang mengandungi prinsip yang sama. Apabila sistem boleh diramalkan dan pemulihan diotomatiskan, pengembang bergerak lebih cepat kerana mereka mempercayai platform. Peralihan daripada infrastruktur kepada pengalaman pengembang bukan merupakan perubahan dalam falsafah - ia merupakan pengeluaran. Interviewer: Why move away from traditional staging environments? How does a multi-tenant, production-first workflow change the game for developer velocity and safety? Selama beberapa dekad, persekitaran pertunjukan telah menjadi cara de facto untuk menguji perubahan - ia adalah apa yang digunakan oleh semua orang kerana menyentuh pengeluaran adalah tabu. Anda mungkin menghabiskan hari-hari pengujian dalam persembahan hanya untuk memukul isu-isu yang tidak kelihatan apabila anda akhirnya pergi hidup. aliran kerja dengan pengasingan pelbagai penyewa, kami membalikkan skrip itu. Santosh: staging is often slow, brittle, and never truly identical to production production-first Dalam model pengeluaran pertama, setiap pengembang boleh menguji perubahan mereka dalam Pada asasnya, ia adalah sebahagian daripada persekitaran pengeluaran sebenar. Oleh kerana ia terisolasi, ia tidak menjejaskan pengguna sebenar, tetapi ia bertindak seperti produk sebenar. Dampak pada kelajuan pengembang adalah dramatis: maklum balas yang biasanya mengambil hari atau memerlukan pelepasan penuh kini datang dalam minit atau jam. jurutera boleh mengesahkan bagaimana kod mereka berjalan dalam keadaan sebenar dengan serta-merta, yang mengurangkan kitaran pelepasan dan meningkatkan keyakinan. live system sandbox, Yang penting, pendekatan ini juga meningkatkan keselamatan. Oleh kerana anda menguji dalam persekitaran sebenar, anda menangkap isu-isu yang mungkin hilang di kawasan panggung, sebelum mereka mencapai pengguna. Dan jika sesuatu yang salah dalam ujian, radius letupan terkandung dalam sandbox itu. pemikiran "move fast and break things" sebaliknya, ia bergerak cepat dan tidak memecahkan apa-apa, kerana anda menguji dalam pengeluaran secara bertanggungjawab.Ia secara mendasar mengubah cara perisian dibina: pengembang menghabiskan masa kurang menunggu dan lebih banyak masa membina, semua sambil percaya bahawa jika ia berfungsi dalam sandbox ujian, ia akan berfungsi dalam pengeluaran untuk semua orang. 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? Laluan maklum balas yang cepat adalah darah hidup inovasi. Semakin cepat anda tahu sama ada perubahan berfungsi atau model berjalan dengan baik, semakin cepat anda boleh berulang dan meningkatkan. Santosh: Semasa saya di sebuah syarikat rangkaian sosial yang besar, saya melihat tangan pertama bahawa walaupun Ia membawa kepada peningkatan produktiviti yang besar di kalangan beribu-ribu jurutera.Ketika ia datang kepada pembangunan AI, ini terutama berlaku.Anda perlu melatih, menyesuaikan dan melatih semula model dengan cepat, dan anda tidak boleh mampu menunggu berminggu-minggu untuk mengetahui tingkah laku model dalam persekitaran sebenar.Mengurangkan laluan itu daripada idea kepada hasil bermakna pasukan anda kekal dalam sinkron dengan apa yang sebenarnya berlaku, yang mempercepatkan pembelajaran. small improvements in developer feedback loops dan sekarang, adalah apa yang menjadikan litar cepat itu selamat. Jika anda akan diuji dalam sesuatu yang berhampiran dengan pengeluaran, anda mesti mempunyai kelihatan dalam segala-galanya yang sedang berlaku. Alat-alat pengawasan dan telemetri membolehkan kami memantau eksperimen apabila mereka berlaku. Sistem ini diproses dengan alat-alat ini supaya setiap ujian berjalan, setiap pelancaran model baru, mengalir semula metrik dan jejak dalam masa nyata. Dengan cara itu, jika anomali atau kesilapan muncul, kami menangkapnya segera. Ia mewujudkan litar maklum balas yang ketat bukan sahaja untuk pengembang menulis kod, tetapi untuk sistem itu sendiri untuk memberitahu kita bagaimana ia bertindak. real-time observability Dalam amalan, pengesan masa nyata telah menjadi sistem amaran awal kami dan panduan kami; ia memberi pengembang keyakinan untuk bergerak dengan cepat, mengetahui bahawa jika sesuatu terhenti, kita akan melihatnya dan boleh bertindak balas segera. : mereka mengubah pembangunan ke dalam perbualan berterusan antara jurutera dan sistem hidup, yang penting untuk membina sistem AI kompleks dengan selamat pada kelajuan. 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? Pilihan utama ialah untuk memeluk Kami menggunakan Kubernetes untuk mencipta persekitaran yang terpencil dan terpencil mengikut permintaan.Jika seorang pengembang perlu menguji model pembelajaran mesin baru atau perubahan perkhidmatan, platform ini akan menyediakan satu instansi yang terkontaminasi perkhidmatan itu (dan mana-mana komponen bergantung) dalam beberapa saat. dalam hal konfigurasi, tetapi terpencil dalam hal data dan skop. Santosh: container orchestration replica of production Kami melaksanakan routing berasaskan konteks, pada asasnya menggunakan pengidentifikasi (dengan bantuan data telemetri) untuk memastikan permintaan ujian dari pengembang atau sesi tertentu hanya akan diarahkan kepada instansi terpencil pengembang itu. datang dengan mudah: ia membolehkan kami untuk tag dan menjejaki permintaan supaya mereka mengalir melalui laluan yang betul tanpa berdarah ke dalam sistem utama. OpenTelemetry-based context propagation Isolasi data juga tidak boleh dibincangkan.Kami memastikan bahawa mana-mana data yang dihasilkan semasa eksperimen disimpan terpisah daripada data pengguna sebenar, sering dengan menggunakan akaun dummy atau pangkalan data berasingan untuk menjalankan ujian, jadi walaupun dalam skenario terburuk, eksperimen rogue tidak boleh menjejaskan maklumat pelanggan langsung. , pengasingan pelbagai penyewa, laluan permintaan pintar, dan pengesan yang ketat - kami mencipta platform di mana percubaan boleh berlaku dengan selamat pada skala. ephemeral environments Pengembang boleh menjalankan beratus-ratus eksperimen, menggunakan beban kerja sebenar, dan sistem akan menangani pengorekstrasian dan pembersihan secara automatik. Arsitektur jenis ini mengubah eksperimen daripada peristiwa yang berisiko, jarang berlaku ke dalam bahagian rutin pembangunan. dengan model AI dan ciri-ciri baru, kerana infrastruktur mempunyai belakang mereka, mengekalkan keselamatan dan prestasi tidak kira berapa banyak eksperimen yang dijalankan. 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? Salah satu pelajaran yang saya pelajari ialah Dengan kata lain, sistem yang paling berpengaruh yang kami bina berjaya bukan kerana mereka terlalu rumit, tetapi kerana mereka Jika anda mahu beratus-ratus jurutera untuk mengadopsi platform atau aliran kerja baru, ia mesti menghapuskan geseran daripada kerja sehari-hari mereka.Kami memberi tumpuan kepada mengubah proses yang lambat dan manual menjadi pengalaman yang cepat dan intuitif.Ketika sesuatu yang biasa mengambil masa petang kini mengambil masa beberapa minit, dan ia lebih mudah untuk dilakukan, orang-orang secara semulajadi memeluknya.Inovasi sejati sering terletak dalam menghilangkan langkah-langkah yang tidak perlu dan membuat kesukaran berasa mudah. Santosh: scale doesn’t come from complexity; it comes from clarity. made life simpler for developers Pelajaran lain ialah tentang orang, bukan hanya teknologi.Menggerak perubahan seperti berpindah ke pengeluaran – ujian pertama dalam org besar mengajarkan saya nilai Saya mendapati bahawa kejayaan datang daripada empati dan kesabaran: mendengarkan kebimbangan, menunjukkan peningkatan, dan menyesuaikan perubahan dengan visi bersama yang lebih baik dan kelajuan. influence over authority Seperti yang saya sering katakan, teknologi mungkin logik, tetapi kemajuan sentiasa manusia. Matlamat mestilah untuk membina alat, sistem, dan juga pasukan yang melebihi anda.Jika platform yang anda cipta hanya berfungsi apabila anda terlibat secara peribadi, maka ia tidak akan meluas.Tetapi jika ia membolehkan orang lain untuk melakukan lebih banyak walaupun apabila anda berlepas, itu adalah kesan sebenar.Pengaruh jangka panjang dalam organisasi besar bukan tentang apa yang anda boleh capai sahaja - ia tentang apa yang anda membolehkan semua orang lain untuk capai kerana asas yang anda tetapkan. 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? Saya sangat gembira tentang ke mana perkara-perkara akan pergi. Kami sudah melihat tanda-tanda awal – dari pengkodean yang dibantu AI kepada analisis pintar dalam CI / CD – tetapi saya fikir ia akan pergi jauh lebih jauh. Dalam masa akan datang, platform pengembang anda sendiri mungkin mempunyai copilot AI yang bekerja di samping anda. Bayangkan AI yang boleh mengkonfigurasi persekitaran ujian anda secara automatik, atau mencadangkan penambahbaikan dalam kod dan infrastruktur anda berdasarkan corak yang telah dipelajari daripada ribuan pemasangan. AI boleh membantu menganalisis hasil eksperimen anda dalam masa nyata, menandakan anomali atau regresi prestasi yang mungkin hilang oleh manusia. Santosh: intelligent developer environments Pada asasnya, banyak kerja dasar dalam pembangunan perisian dan pengujian boleh , yang akan membolehkan pengembang memberi tumpuan lebih kepada penyelesaian masalah kreatif dan kurang kepada persekitaran pengasuh atau krunching data log. Apabila model AI menjadi lebih kompleks dan lapar data, integrasi ini juga akan menjadi kunci untuk mengekalkan kitaran pembangunan yang cepat. industri secara keseluruhan bergerak ke arah penggabungan AI ini dengan operasi pengembang; anda boleh melihatnya dalam cara alat-alat baru muncul yang memasukkan pembelajaran mesin ke dalam pemantauan, keselamatan, dan juga proses pengkodean. augmented by AI Matlamat saya sendiri ialah untuk terus mendorong ke arah itu: membina platform yang membantu pengembang. Ia merupakan peralihan yang lebih luas, dan saya gembira untuk menjadi salah satu daripada penyumbang yang bekerja untuk menjadikannya kenyataan. Pada akhirnya, masa depan platform pengembang akan tentang berkahwin kreativiti pengembang manusia dengan kuasa automasi dan wawasan yang dipandu oleh AI. Kombinasi itu memegang janji inovasi perisian dan AI pada kelajuan dan skala yang belum pernah kita lihat sebelum ini, dan melakukannya dengan selamat, secara meluas, dan dengan lebih sedikit geseran daripada masa lalu. ship software at blistering speed

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

Audio ini dihasilkan dalam bahasa asal cerita!

Terlalu panjang; Untuk membaca

Download free Tech Leaders Productivity Report!

Membina pada kelajuan pengeluaran: Bagaimana Sistem Multi-Tenant Membentuk Penghantaran Perisian

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps