Accueil InfoQ Infrastructure sur InfoQ
-
Implémentation De Microservicilités Avec Quarkus Et MicroProfile
Les microservicilités sont une liste de préoccupations transversales qu'un service doit mettre en œuvre indépendamment de la logique métier. Ces préoccupations incluent l'invocation, l'élasticité et la résilience, entre autres. Cet article décrit comment Quarkus et MicroProfile peuvent être utilisés pour implémenter ces préoccupations.
-
Startup Architecture : PostgreSQL, Hadoop, Elasticsearch chez Clic2Buy
InfoQ FR discute avec Guillaume de Clic2Buy sur l'architecture technique nécessaire pour gérer leur fort trafic, avec notamment Postgres, MongoDB, Hadoop, Redis et Elasticsearch, et des fronts en Ruby on Rails, nodejs et Angular.
-
Startup Architecture : R, DocumentDB et Java chez Brennus Analytics
InfoQ FR discute avec Florent Dotto et Thomas Sontheimer de Brennus Analytics sur leur archi technique : R, DocumentDB, Java. Une stack moderne orientée data science sur Azure.
-
Qu'est-ce que le Succès pour un Scrum Master ?
Des Scrum Masters expérimentés expliquent comment ils définissent et mesurent leur propre succès personnel en tant que Scrum Master, et partagent leurs apprentissages sur comment l'atteindre. Ces leçons qui viennent de nombreuses années d'expérience vous aideront à améliorer votre performance en tant que Scrum Master.
-
GS Collections par l’exemple – Partie 2
Donald Raab, créateur de GS Collections, rendu libre par Goldman Sachs en 2012, continue d'explorer cette puissante bibliothèque à l'aide de nombreux exemples.
-
Où est passée la PermGen Java ?
Avant le JDK 8, les méta-données de classe et les constantes résidaient dans un emplacement appelée la "génération permanente", contigüe avec la pile Java. Avec l'avènement du JDK 8, nous n'avons plus de PermGen. L'espace où il était stocké a migré vers la mémoire native à un emplacement connu sous le nom de "Méta-Espace".
-
Kanban sur les rails - Gestion Evolutive du Changement pour les Chemins de Fer Suisses
Les chemins de fer Suisses ont utilisé Kanban pour transformer un département avec une performance décevante en un service à la capacité prévisible, grâce à une série de changements incrémentaux. La nature évolutive de Kanban tracta cette transition avec des premiers "quick wins" et entraîna une meilleure gestion quotidienne et adéquation au changement.
-
Déploiement Continu : Bénéfices Immenses, mais Défis Considérables
Cet article explique pourquoi Paddy Power a adopté le Déploiement Continu (DC), décrit les possibilités que cela a ouvert et souligne les forts bénéfices et challenges impliqués. Ce retour d'expérience peut aider les praticiens à poser leur adoption du DC, ainsi que les chercheurs dans leurs agendas de recherche.
-
Traitements Big Data avec Apache Spark - 2ème partie : SparkSQL
Spark SQL, composant du framework Apache Spark, est utilisé pour effectuer des traitements sur des données structurées en exécutant des requêtes de type SQL sur les données Spark. Srini Penchikala discute le module Spark SQL et la manière dont il simplifie les analyses de données utilisant SQL.
-
Management visuel de portefeuille : Alignez votre entreprise de manière collaborative
Pour tirer profit des avantages de l'Agile, tels que la vitesse, la flexibilité et les feedbacks rapides, les entreprises doivent travailler sur les bonnes choses. Le modèle des 3 horizons explique comment les entreprises peuvent maintenir une croissance durable. Quant au management visuel de portefeuille, il permet d’aligner différents types de travaux en un système cohérent.
-
Traitements Big Data avec Apache Spark - 1ère partie : Introduction
Apache Spark est un framework de traitements Big Data open source construit pour effectuer des analyses sophistiquées. Dans cet article, Srini Penchikala explique comment le framework Apache Spark aide dans le domaine des traitements et des analyses big data avec son API standard et explique comment Spark se positionne par rapport aux implémentations MapReduce traditionnelles comme Apache Hadoop.
-
Distributions de calculs sur un cluster avec JPPF
Cet article décrit comment il est possible de paralléliser l'exécution de traitements soumis à une implémentation spécifique d'ExecutorService sur un cluster JPPF. Chaque traitement calculera la liste des nombres premiers entre 1 et une valeur limite, fixée à l'initialisation.