Je mehr Organisationen mit DevOps-Strategien und -Automatisierung arbeiten, desto mehr entwickelt sich die Verwendung der Automatisierung weiter. In diesem Jahr verändert sich einiges, das in der Praxis ankommen wird. Dazu gehören eine nahtlose Infrastruktur, künstliche Intelligenz und die Zusammenarbeit mit Data Science, Automatisierung, die man gar nicht mehr anfassen muss und mehr. Was sind die größten Trends?

MicroEJ ist eine durchaus leistungsfähige Java Runtime, die die Ausführung von Java-Code auf verschiedenen Mikrocontrollern unterstützt. Quasi nebenbei bietet das Beratungsunternehmen einen umfangreichen GUI-Stack und Supportinfrastruktur an.

Compiler sind mitunter riesige Gebilde aus unzähligen Codezeilen. Dieser Artikel zeigt, wie eine einfache Struktur für einen Multi-pass-Source-to-Source-Compiler aufgebaut werden kann, die über ANTLR4 und Templates sowohl Parser als auch Ausgabeformate einfach erweiterbar macht.

Lanterna ist eine Library, mit der sich Kommandozeilentools in Java erstellen lassen. Es ähnelt der bekannten C-Library Curses [1], kommt jedoch mit mehr Funktionen daher. Lanterna kann reine Terminals emulieren, sodass damit Installationsassistenten möglich sind. Andererseits lassen sich damit textbasierte GUIs mit Buttons, Drop-down-Menüs und dergleichen erstellen, was zum Beispiel für Systemtools wie YaST [2] von openSUSE geeignet ist.

Um der Definition von Codequalität gerecht zu werden, genügt es nicht, sich einzig auf den Quelltext zu konzentrieren. Auch Struktur, Organisation und Wartung spielen eine wichtige Rolle.

Die Durchführung von ballistischen Berechnungen, orbitalen Flugmanövern und die Handhabung der Flugkontrolle von autonom landenden Raumfahrzeugen sind Herausforderungen, die uns mitnichten nur im Rahmen von Computerspielen begegnen. Im heutigen Artikel werden wir uns anschauen, wie sich verhältnismäßig einfach aufgebaute neuronale Netzwerke bei der Bewältigung der besagten Probleme schlagen, was in Anbetracht ihres Stellenwerts gleich doppelt interessant sein dürfte.

Egal, ob es sich um ein Event-getriebenes System oder um die Verteilung von Massendaten handelt: Robuste, performante und skalierfähige Datenhaltung ist für eine hochperformante Messaging-Lösung von elementarer Bedeutung. Im zweiten Teil unserer Artikelreihe zum Thema Apache Pulsar möchten wir daher unser Augenmerk auf das Persistenzmodell legen, das Pulsar mit Hilfe von Apache BookKeeper zur Verfügung stellt, und die grundlegenden Konzepte sowie einige mögliche Anwendungsfälle und Beispiele vorstellen.

Eines der häufigsten Einsatzgebiete von Node.js ist das Entwickeln von Web-APIs. Dafür stehen zahlreiche Module aus der Community zur Verfügung, die eine ganze Reihe von Aspekten abdecken, beispielsweise Routing, Validierung und CORS.

Das User Interface einer Applikation ist die zentrale Kommunikationsschnittstelle zwischen Technik und Anwender. Für die Gestaltung der Benutzerschnittstelle braucht es heute umfassende Kenntnisse in Fragen des Designs, der Ästhetik, der Psychologie usw. Auch konzeptionell entwickelt sich die Art der Benutzerführung immer weiter.

Vor mehr als zehn Jahren kam der Begriff DevOps auf. Seitdem hat sich technisch einiges verändert. Außerdem gibt es ganz neue Kollaborationsansätze in der IT.

Schnittstellen als Sprachmittel haben sich von Beginn an in Go etabliert und bewährt. Sie abstrahieren Erwartungshaltungen an Typen. Mit einem definierten Interface kann ich festlegen, zu was ein Argument einer meiner Funktionen beziehungsweise Methoden fähig sein soll. Oder im Gegenteil die Rückgabe einer Funktion. Sie kann auf einem Interface basieren, auf das sich der nutzende Code verlassen kann. Die Implementierung basiert dabei auf Argumenten der Funktion. Letzteres habe ich auf meinem Berufsweg mehrfach bei der Kapselung von Cloud-APIs kennenlernen dürfen.

Die Enterprise-Welt ist geprägt von webbasierten Formularanwendungen. Wenn man sich dann überlegt, mehrfach in unterschiedlichen Anwendungen die gleichen UI-Komponenten zu verwenden, ist der Einsatz von Framework-agnostischen Web Components als technische Grundlage naheliegend. Web Components ermöglichen eine einfache Wiederverwendung und Integration, doch es lauern auch ein paar Stolpersteine, die es zu vermeiden gilt.

Continuous Integration ist aus der modernen Softwarelandschaft nicht mehr wegzudenken. GitLab bietet reichlich Möglichkeiten, eine Deployment Pipeline einzurichten. Zur Orchestrierung der damit erstellten Docker-Container bietet sich Rancher an.

Sozialistische Staaten verfügen oft über einen Fünfjahresplan – dieser Artikel ist jedoch ein Fünfjahresupdate: 2015 wurde mit der Ambition, einen schnellen ersten Einstieg in das automatisierte Testen von Weboberflächen zu liefern, ein Einführungsartikel mit den Basics zu Selenium WebDriver geliefert [1]. Jetzt, fünf Jahre später, ist es an der Zeit, dem Platzhirsch einen erneuten Besuch abzustatten, um zu schauen, was sich geändert hat, was noch genau so wie früher ist, und mit welchen Neuerungen Entwickler*innen heutzutage rechnen sollten.

Eine Serverless Infrastructure bietet eine flexible Ressourcenverwaltung mit einer exakten nutzungsabhängigen Abrechnung. Die Vorteile der Nutzung für Unternehmen liegen damit auf der Hand. Doch wie klappt das Set-up einer funktionierenden Serverless-Anwendung und wie bewährt sich Serverless Computing im praktischen Alltag?

In der modernen Kryptografie stößt man immer wieder auf das Konstrukt der elliptischen Kurven. Was nach komplexer Mathematik klingt, lässt sich erstaunlich einfach und anschaulich erklären.

Eine Testabdeckung von ≥ 80 Prozent wird heute häufig bei Projektbeginn festgelegt. Im weiteren Verlauf wird sie gerne als Beleg oder Metrik für die aktuelle Qualität der Software herangezogen. Leider haben die dahinterliegenden Tests oft nicht viel mehr Nutzen als diese Zahl zu erzeugen.

Die erweiterte Async-Funktion hält Einzug in Pythons beliebtes Web-Framework Django. Doch welche Vorteile hat die Neuerung für Nutzer und wie können Async Views, Middleware und Tests verwendet werden?

Haben Sie sich schon mal gefragt, wie das Testen von Sprachassistenten aussehen könnte? Die erste Möglichkeit ist wohl, auf eine Reihe von Testpersonen zurückzugreifen und verschiedenste Spracheingaben mit den Ausgaben zu vergleichen, manuell versteht sich. In diesem Artikel möchte ich jedoch einen Weg zum Testen von Sprachassistenten mit Hilfe von Java und Cucumber aufzeigen.

Mittlerweile nutzt fast jeder Entwickler Tools zur statischen Codeanalyse, zur Ausführung von Tests und zur fortwährenden Prüfung des Codestyles im Projekt. Aber wie kann uns Docker dabei helfen? Und welchen Vorteil habe ich dadurch gegebenenfalls in Legacy-Projekten?