Thoughtworks Radar अंक 27 प्रकाशित

टेकनीक/टूल्स/प्लैटफ़ॉर्म/डेवलपमेंट भाषाओं और फ्रेमवर्क्स के क्षेत्रों में नवीनतम ट्रेंड्स को Hold/Assess/Trial/Adopt के 4 चरणों में विज़ुअलाइज़ और समझाना इसकी खासियत है

मशीन लर्निंग का मुख्यधारा में आना

• ML एक समय केवल उन लोगों के लिए था जिनके पास टूल्स और संसाधन थे, लेकिन डिवाइस क्षमता में वृद्धि और open source के आगमन से यह मुख्यधारा (mainstreaming) में आ रहा है
• Federated ML जैसी तकनीकें संवेदनशील जानकारी की privacy देने वाले ML models को संभव बनाती हैं
• TinyML resource-सीमित डिवाइसों पर models को चलाने में सक्षम बनाता है, जिससे संवेदनशील डेटा की सुरक्षा बेहतर करने के लिए inference क्षमताओं को edge पर ले जाया जा सकता है
• Feature Store ऐप डेवलपमेंट के MVC design pattern जैसे लाभ देता है, जिससे data curation, model training और inference के बीच की समस्याओं को स्पष्ट रूप से अलग किया जा सकता है
• Stable Diffusion जैसे public models, ML की आश्चर्यजनक क्षमताओं और source data तथा ethics को लेकर चिंताओं—दोनों—को उजागर करते हैं
• ML components पहले से कहीं अधिक आसानी से एक-दूसरे से जुड़ रहे हैं, जिससे business models और high-performance generic models के माध्यम से विभिन्न ML experiences और solutions बनाए जा सकते हैं

"Platform as a Product" की ताकत

• 'प्लैटफ़ॉर्म' शब्द का बहुत अधिक उपयोग होता है: business या domain-केंद्रित platforms, infrastructure, developer experience platforms आदि
• मूल रूप से, प्लेटफ़ॉर्म के साथ संगठनों को होने वाली कई समस्याओं और निराशाओं की जड़ यह है कि "प्लैटफ़ॉर्म को सही मायने में product की तरह treat नहीं किया जाता"
  • उदाहरण के लिए, developers के लिए बने platforms में अक्सर user research या context analysis की कमी होती है, जिसकी अपेक्षा अन्य प्रकार के products में की जाती है
  • प्लेटफ़ॉर्म owners को developers की requirements के बारे में अपनी धारणाओं को validate करना चाहिए और वास्तविक usage patterns के अनुसार प्रतिक्रिया देनी चाहिए
  • अन्य अच्छे products की तरह platforms को भी निरंतर support की आवश्यकता होती है। developers की बदलती requirements के अनुसार उन्हें evolve और adapt करना चाहिए
• "Platform as a Product" का यह रूपक तभी प्रभावी है जब इसे केवल एक phrase नहीं बल्कि एक practice के रूप में पूरी तरह अपनाया जाए

डेटा ownership का edge की ओर जाना

• हर centralization, constriction, bottleneck और अनावश्यक exposure की संभावना खोलता है
• CRDT-आधारित local-first software/application तकनीकें, जो centralized DB के बिना data applications को संभव बनाती हैं, P2P data निर्माण के बारे में सोचने पर मजबूर करती हैं
• डेटा ownership को edge पर ले जाने से developers individual devices पर enhanced features का उपयोग कर सकते हैं
• उदाहरण के लिए, face recognition जैसी कई क्षमताएँ केवल edge पर process की जा सकती हैं, जिससे data को हमेशा के लिए device पर ही रखा जा सकता है

मोबाइल भी modular होना चाहिए

• जैसे-जैसे mobile apps परिपक्व हुए हैं, उनका आकार बढ़ा है और सेवाएँ अधिक हुई हैं, जिससे वे तथाकथित superapps के रूप में विकसित हुए हैं जिन्हें स्वयं एक platform माना जा सकता है
• बहुत बड़े न होने पर भी, वे apps जिनमें वर्षों में कई features जुड़ गए हैं, modules में विभाजित किए जा सकते हैं, और कंपनियाँ समझ रही हैं कि mobile apps को modularize करने से भी समान लाभ मिलते हैं
• Modular apps कई teams द्वारा बनाए जा सकते हैं, इसलिए इनके कई फायदे हैं
• हालांकि जटिलता यह है कि इन्हें app store के माध्यम से distribute करना होता है, native iOS/Android पर web version को support करना होता है, और हर एक के लिए सूक्ष्म बदलावों की आवश्यकता होती है
• इन लाभों के बावजूद mobile development में modular approach अपनाने में कठिनाइयाँ हैं, लेकिन समय के साथ और बेहतर frameworks देखने को मिलेंगे

[ Techniques ]

Adopt

1. Path-to-production mapping
2. Team cognitive load
3. Threat modeling

Trial

4. BERT
5. Component visual regression testing
6. Design tokens
7. Fake SMTP server to test mail-sending
8. Federated machine learning
9. Incremental developer platform
10. Micro frontends for mobile
11. Observability for CI/CD pipelines
12. SLSA
13. Software Bill of Materials

Assess

14. Carbon efficiency as an architectural characteristic
15. CUPID
16. GitHub push protection
17. Local-first application
18. Metrics store
19. Server-driven UI
20. SLIs and SLOs as code
21. Synthetic data for testing models
22. TinyML
23. Verifiable credentials

Hold

24. Satellite workers without “remote native”
25. SPA by default
26. Superficial cloud native

[ Platforms ]

Adopt

27. Backstage
28. Delta Lake

Trial

29. AWS Database Migration Service
30. Colima
31. Databricks Photon
32. DataHub
33. DataOps.live
34. eBPF
35. Feast
36. Monte Carlo
37. Retool
38. Seldon Core
39. Teleport
40. VictoriaMetrics

Assess

41. Bun
42. Databricks Unity Catalog
43. Dragonfly
44. Edge Impulse
45. GCP Vertex AI
46. Gradient
47. IAM Roles Anywhere
48. Keptn
49. OpenMetadata
50. OrioleDB

[ Tools ]

Adopt

51. Great Expectations
52. k6

Trial

53. Apache Superset
54. AWS Backup Vault Lock
55. AWS Control Tower
56. Clumio Protect
57. Cruft
58. Excalidraw
59. Hadolint
60. Kaniko
61. Kusto Query Language
62. Spectral
63. Styra Declarative Authorization Service
64. xbar for build monitoring

Assess

65. Clasp
66. Databricks Overwatch
67. dbtvault
68. git-together
69. Harness Cloud Cost Management
70. Infracost
71. Karpenter
72. Mizu
73. Soda Core
74. Teller
75. Xcode Cloud
    ##Hold
76. Online services for formatting or parsing code

[ Languages and Frameworks ]

Adopt

77. io-ts
78. Kotest
79. NestJS
80. React Query
81. Swift Package Manager
82. Yjs

Trial

83. Azure Bicep
84. Camunda
85. Gradle Kotlin DSL
86. Jetpack Media3
87. Ladle
88. Moshi
89. Svelte

Assess

90. Aleph.js
91. Astro
92. BentoML
93. Carbon Aware SDK
94. Cloudscape
95. Connect
96. Cross device SDK
97. Cypress Component Testing
98. JobRunr
99. Million
100. Soketi
101. Stable Diffusion
102. Synthetic Data Vault

Hold

103. Carbon

[xguru]

Thoughtworks Radar 26वां अंक
ThoughtWorks Radar 24वां अंक
24 से मैंने सोचा था कि मुख्य थीमों का अनुवाद करके साझा करूँगा, लेकिन लगता है 25 छूट गया.. हाय