Thoughtworks Radar 第27号を公開
(thoughtworks.com)テクニック/ツール/プラットフォーム/開発言語およびフレームワーク分野の最新トレンドを、Hold/Assess/Trial/Adopt の4段階で可視化し説明しているのが特徴。
機械学習の主流化
- MLはかつて、ツールとリソースを持つ人だけが使えるものだったが、デバイス性能の向上とオープンソースの登場により主流化（mainstreaming）しつつある
- Federated ML のような技術により、機密情報のプライバシーを確保できるMLモデルが可能になる
- TinyML はリソース制約のあるデバイス上でモデルを実行できるようにし、機密データのセキュリティを改善できるよう推論機能をエッジへ移す
- Feature Store はアプリ開発における MVC デザインパターンに似た利点を提供し、データキュレーション、モデル学習、推論の間の問題を明確に分離する
- Stable Diffusion のような公開モデルは、MLの驚くべき能力と、ソースデータや倫理に関する懸念の両方を浮き彫りにする
- MLコンポーネントはこれまでになく容易に相互接続できるようになり、ビジネスモデルや高性能な汎用モデルを通じて、多様なML体験やソリューションを作れるようになっている
「Platform as a Product」の力
- 「プラットフォーム」という言葉は実に広く使われている。ビジネスまたはドメイン中心のプラットフォーム、インフラストラクチャ、開発者体験プラットフォームなど。
- 基本的に、組織がプラットフォームで経験する多くの問題や失望の根本原因は、「プラットフォームを適切に製品として扱っていないこと」にある
- たとえば開発者向けプラットフォームでは、他の種類の製品で期待されるユーザー調査やコンテキスト分析が不足している
- プラットフォームオーナーは、開発者の要求に関する仮定を検証し、実際の利用パターンに対応しなければならない
- 他の優れた製品と同様に、プラットフォームにも継続的な支援が必要であり、開発者の変化する要求に応じて進化し適応しなければならない
- 「Platform as a Product」というメタファーは、Phrase ではなく Practice として完全に受け入れられたときにのみ効果を発揮する
データオーナーシップはエッジへ移る
- あらゆる中央集権化は、制約、ボトルネック、不必要な露出の可能性を生み出す
- 中央集権型DBなしでデータアプリケーションを可能にする、CRDTベースの local-first ソフトウェア/アプリケーション技術は、P2Pデータ構築について考えさせる
- データオーナーシップをエッジへ移すことで、開発者は個々のデバイス上の高度な機能を活用できるようになる
- たとえば顔認識のような多くの機能はエッジだけで処理され、データをデバイス内にのみ永続的に保持できる
モバイルも Modular であるべき
- モバイルアプリは成熟するにつれて規模が大きくなり、サービスも増え、それ自体がプラットフォームと見なせる、いわゆるスーパーアプリへと成長している
- それほど大規模ではなくても、数年にわたって機能が増えてきたアプリもモジュールに分解でき、企業はモバイルアプリでも同様にモジュール化の恩恵があることを理解しつつある
- モジュール化されたアプリは複数のチームによって開発できるため、多くの利点がある
- ただし複雑なのは、アプリストアを通じて配布しなければならないこと、ネイティブ iOS/Android に加えてWeb版もサポートする必要があること、そしてそれぞれに対応するため微妙な変更が必要になることだ
- こうした利点があるにもかかわらず、モバイル開発でモジュール型アプローチを導入するのは難しいが、今後はより優れたフレームワークが増えていくだろう
[ Techniques ]
Adopt
- Path-to-production mapping
- Team cognitive load
- Threat modeling
Trial
- BERT
- Component visual regression testing
- Design tokens
- Fake SMTP server to test mail-sending
- Federated machine learning
- Incremental developer platform
- Micro frontends for mobile
- Observability for CI/CD pipelines
- SLSA
- Software Bill of Materials
Assess
- Carbon efficiency as an architectural characteristic
- CUPID
- GitHub push protection
- Local-first application
- Metrics store
- Server-driven UI
- SLIs and SLOs as code
- Synthetic data for testing models
- TinyML
- Verifiable credentials
Hold
- “remote native” を伴わない Satellite workers
- デフォルトの SPA
- 表面的なクラウドネイティブ
[ Platforms ]
Adopt
- Backstage
- Delta Lake
Trial
- AWS Database Migration Service
- Colima
- Databricks Photon
- DataHub
- DataOps.live
- eBPF
- Feast
- Monte Carlo
- Retool
- Seldon Core
- Teleport
- VictoriaMetrics
Assess
- Bun
- Databricks Unity Catalog
- Dragonfly
- Edge Impulse
- GCP Vertex AI
- Gradient
- IAM Roles Anywhere
- Keptn
- OpenMetadata
- OrioleDB
[ Tools ]
Adopt
- Great Expectations
- k6
Trial
- Apache Superset
- AWS Backup Vault Lock
- AWS Control Tower
- Clumio Protect
- Cruft
- Excalidraw
- Hadolint
- Kaniko
- Kusto Query Language
- Spectral
- Styra Declarative Authorization Service
- xbar for build monitoring
Assess
- Clasp
- Databricks Overwatch
- dbtvault
- git-together
- Harness Cloud Cost Management
- Infracost
- Karpenter
- Mizu
- Soda Core
- Teller
- Xcode Cloud
##Hold - コードの整形または解析のためのオンラインサービス
[ Languages and Frameworks ]
Adopt
- io-ts
- Kotest
- NestJS
- React Query
- Swift Package Manager
- Yjs
Trial
- Azure Bicep
- Camunda
- Gradle Kotlin DSL
- Jetpack Media3
- Ladle
- Moshi
- Svelte
Assess
- Aleph.js
- Astro
- BentoML
- Carbon Aware SDK
- Cloudscape
- Connect
- Cross device SDK
- Cypress Component Testing
- JobRunr
- Million
- Soketi
- Stable Diffusion
- Synthetic Data Vault
Hold
- Carbon
1件のコメント
Thoughtworks Radar 26号
ThoughtWorks Radar 24号
24からは主要テーマを翻訳して紹介してみようと思っていたのですが、25を飛ばしてしまいましたね.. うぅ