Temas dessa edição
Criamos esse radar de forma totalmente remota, o que nunca pensamos ser possível. O trabalho (como o conhecemos) mudou para sempre?
Cada vez mais, vemos quase todos os aspectos do desenvolvimento e da entrega de software sendo gerenciados como código. Mas embora o software esteja dominando o mundo, profissionais da área frequentemente ignoram práticas de engenharia comprovadamente eficazes.
À medida que a indústria pensa com mais diligência sobre como os dados devem funcionar nos sistemas modernos, somos encorajadas a observar a crescente maturidade nas técnicas e ferramentas que envolvem dados analíticos e aprendizado de máquina.
Enquanto o Kubernetes continua a consolidar seu domínio, vemos um rico ecossistema crescendo e se expandindo para aproveitar seus pontos fortes e solucionar suas fraquezas.
O elefante na sala do Zoom
"A necessidade é a mãe da invenção" - provérbio
Muitas empresas vinham testando a ideia do trabalho remoto à medida que a tecnologia que o habilita amadurecia. Mas, de repente, uma pandemia global obrigou empresas de todo o mundo a mudar rápida e fundamentalmente sua maneira de trabalhar para de alguma forma preservar a produtividade. Como muitas pessoas já observaram, “trabalhar em casa” é totalmente diferente de “obrigatoriamente trabalhar em casa durante uma pandemia”, e nós achamos que há pela frente uma longa jornada em busca da produtividade integral nesse novo contexto.
Nunca acreditamos que a criação remota de uma edição do Radar fosse possível e, no entanto, aqui estamos — este é o primeiro Radar que produzimos sem nos encontrar pessoalmente. Muitos dos blips propostos abordam a necessidade urgente de permitir a colaboração remota de primeira classe. Não queríamos ignorar o elefante na sala e não comentar a crise, mas realizar um bom trabalho de colaboração remota é um assunto complexo e cheio de nuances, e certamente nem todos os nossos conselhos sobre o tema se encaixariam no formato do Radar. Portanto, junto a esta edição, você encontrará um podcast em que discutimos nossas experiências na criação remota do Radar, um relatório de experiências incluindo conselhos sobre produtividade trabalhando remotamente, um webinar sobre estratégias tecnológicas durante a crise e links para outros materiais da ThoughtWorks, incluindo nosso guia para trabalho remoto. Esperamos que estes, assim como outros materiais disponíveis na Internet, possam ajudar as organizações que tentam navegar por essas águas desconhecidas.
X também é software
Frequentemente, incentivamos outras partes do ecossistema de entrega de software a adotar práticas de engenharia benéficas, pioneiramente lideradas por times de desenvolvimento ágil de software. Voltamos a esse tópico com muita frequência porque continuamos a encontrar nichos em que vemos um progresso lento nessa área. Para este Radar, decidimos destacar novamente a infraestrutura como código, bem como pipelines como código, e também tivemos várias conversas sobre configurações de infraestrutura, pipelines de aprendizado de máquina e outras áreas relacionadas. Concluímos que os times que geralmente são responsáveis por essas áreas não adotam práticas perenes de engenharia, como a aplicação dos princípios de design de software, automação, integração contínua, testes e assim por diante. Entendemos que muitos fatores dificultam o movimento rápido em algumas práticas de engenharia: complexidade (tanto a essencial quanto a acidental), falta de conhecimento, impedimentos políticos, falta de ferramentas adequadas e muitos outros. No entanto, os benefícios para as organizações que adotam práticas ágeis de entrega de software são nítidos e valem o esforço para serem alcançados.
Perspectivas de dados amadurecendo e expandindo
Um tema que abrangeu muitos blips e quadrantes nesta edição diz respeito à maturidade dos dados, particularmente, técnicas e ferramentas que envolvem dados analíticos e aprendizado de máquina. Observamos muitas inovações contínuas no espaço do processamento de linguagem natural (PLN). Saudamos também o surgimento e a maturidade contínua dos conjuntos de ferramentas de aprendizado de máquina de ciclo completo, combinando práticas perenes de engenharia com combinações de ferramentas que funcionam bem de maneira iterativa, mostrando que "o aprendizado de máquina também é software". Finalmente, para arquiteturas distribuídas, como microsserviços, vemos grande interesse na malha de dados como uma maneira de efetivamente servir e usar dados analíticos em escala em sistemas distribuídos. À medida que a indústria pensa com mais diligência sobre como os dados devem funcionar nos sistemas modernos, somos encorajadas pela direção geral e pelas perspectivas de abertura nesse cenário, e esperamos ver inovações interessantes no futuro próximo.
Explosão cambriana de Kubernetes & Co.
À medida que o Kubernetes continua a consolidar seu domínio de mercado, o inevitável ecossistema de suporte prospera. Discutimos vários blips relacionados a Kubernetes nos quadrantes de ferramentas, plataformas e técnicas, mostrando o quão difundido esse assunto se tornou. Por exemplo, Lens e k9s simplificam o gerenciamento de cluster, kind ajuda nos testes locais e Gloo oferece um gateway de API alternativo. Hydra é um servidor OAuth otimizado para execução no Kubernetes, e Argo CD usa o gerenciamento de estado desejado nativo do Kubernetes para implementar um servidor de CD. Esses desenvolvimentos indicam que o Kubernetes está perfeitamente preparado para criar um ecossistema de apoio. Oferece recursos críticos, mas com abstrações que geralmente são muito baixo nível ou avançadas para a maioria dos usuários. Assim, o vazio de complexidade é preenchido com ferramentas para facilitar a configuração e o uso do Kubernetes, ou fornecer algo que falta na funcionalidade principal. Enquanto o Kubernetes mantém seu domínio, vemos um rico ecossistema crescendo e se expandindo para aproveitar seus pontos fortes e solucionar suas fraquezas. À medida que esse ecossistema amadurece, esperamos que ele evolua para um novo conjunto de abstrações de nível superior que ofereça os benefícios do Kubernetes sem a confusa gama de opções.
Contribuições
O Technology Radar é preparado pelo Conselho Consultivo de Tecnologia da ThoughtWorks, composto por:
Rebecca Parsons (CTO)| Martin Fowler (Chief Scientist)| Bharani Subramaniam| Birgitta Böckeler| Camilla Falconi Crispim| Erik Doernenburg| Evan Bottcher| Fausto de la Torre| Hao Xu| Ian Cartwright| James Lewis| Jonny LeRoy| Lakshminarasimhan Sudarshan| Mike Mason| Neal Ford| Ni Wang| Rachel Laycock| Scott Shaw| Shangqi Liu| Zhamak Dehghani|