Dass wir Software nutzen um Daten zu analysieren, das kennen viele. Aber kann man nicht auch Daten nutzen um Software zu analysieren? Und wie mache ich das überhaupt. Darüber spricht Christian Krug, der Host des Podcasts „Unf*ck Your Data“ mit Thea John, Lead Software Engineer bei der Deutschen Telekom.

Den Scherz „it runs on my machine” haben wohl Entwickler*innen schon mal gehört oder selbst gebracht. Besonders dann, wenn eine Software mal nicht geht.

Aber was macht jetzt eine gute Software aus? Oder eben nicht? Und wie messe ich das, ob eine Software das macht was sie soll, wie sie es soll?

Natürlich mit Daten, aber bitte den richtigen.

Und da fängt es schon an kompliziert zu werden. Denn welche Kennzahlen sind geeignet Software zu messen? In Verträgen sind gerne SLA oder SLI drin, also Service Level Agreements oder Indicator, die dann anzeigen wie viel die Software verfügbar ist und wie schnell auf Probleme reagiert wird.

Die Probleme finden wir damit aber noch nicht. Dafür brauchen wir Logs. Hier protokolliert eine Software was sie so tut den ganzen lieben langen Tag. Und diese Logs können wir analysieren und sehen was so passiert. Schickt ein Tool zum Beispiel unerwartet viele oder wenig Emails, so kann es externe Faktoren geben, aber es kann auch an der Software liegen.

Die Krux mit den Logs? Sie kosten Rechenpower. Das heißt sie machen dein System langsamer. Daher gilt es hier eine gute Balance zu finden zwischen genug loggen um Fehler zu finden und wenig genug um das System trotzdem schnell zu halten.

Aber warum ist das Monitoring jetzt so ein Thema? Software ist eben nicht wie ein physischen Produkt irgendwann fertig, sondern wird im echten Leben getestet und läuft auf echten Umgebungen in echten Netzwerken. Und auf diese Komplexität kann die Entwicklung gar nicht vorbereitet sein. Darum muss sie auch in der echten Welt betrieben und angepasst werden. Das hieß mal Operations. Damit diese beiden jetzt näher zusammenrücken und die Entwicklung nicht das unbekannte Wesen für den Betrieb ist, hat man DevOps geschaffen. So rückt die Entwicklung näher an den Betrieb.

Da wir am Ende noch ein bisschen Zeit hatten, mussten wir natürlich auch noch KI und Coding anreißen.

Der heilige Gral oder der schnellste Weg zu mehr schlechtem Code?

Vermutlich irgendwo in der Mitte.

▬▬▬▬▬▬ Profile: ▬▬▬▬

Zum LinkedIn-Profil von Thea: https://www.linkedin.com/in/thea-john/

Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/

Christians Wonderlink: https://wonderl.ink/@christiankrug

Unf*ck Your Data auf Linkedin: https://www.linkedin.com/company/unfck-your-data

▬▬▬▬▬▬ Buchempfehlung: ▬▬▬▬

Buchempfehlung von Thea: The Software Architect Elevator - Gregor Hohpe

Alle Empfehlungen in Melenas Bücherladen: https://gunzenhausen.buchhandlung.de/unfuckyourdata

▬▬▬▬▬▬ Hier findest Du Unf*ck Your Data: ▬▬▬▬

Zum Podcast auf Spotify: https://open.spotify.com/show/6Ow7ySMbgnir27etMYkpxT?si=dc0fd2b3c6454bfa

Zum Podcast auf iTunes: https://podcasts.apple.com/de/podcast/unf-ck-your-data/id1673832019

Zum Podcast auf Deezer: https://deezer.page.link/FnT5kRSjf2k54iib6

Zum Podcast auf Youtube: https://www.youtube.com/@unfckyourdata

▬▬▬▬▬▬ Merch: ▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬

https://unfckyourdata-shop.de/

▬▬▬▬▬▬ Kontakt: ▬▬▬▬

E-Mail: [email protected]

▬▬▬▬▬▬ Timestamps: ▬▬▬▬▬▬▬▬▬▬▬▬▬

00:00 Intro

02:57 Die Bedeutung von Logs und Metriken

05:43 Zuverlässigkeit und Observability in Software

08:51 Service-Level-Indicators und Objectives

11:38 DevOps und die Verbindung von Entwicklung und Betrieb

14:26 Automatisierung und synthetisches Monitoring

17:33 Datenschutz und Kosten im Monitoring

20:30 Der goldene Mittelweg im Monitoring

26:57 Effizienz im Tracking von IT-Arbeiten

29:21 Datenanalyse und Root Cause Analyse

31:54 Die Rolle von Kommunikation in der Softwareentwicklung

34:11 KI-generierter Code: Chancen und Herausforderungen

38:42 Die Zukunft der Softwareentwicklung mit KI

44:22 Abschlussgedanken und Empfehlungen