Skip to main content

Digilasku osa 1


Jee, uusi koodariblogi!

Enpä usko, että voin tarjota lukijalle mitään tajuntaaräjäyttävää lukukokemusta. Voin kuitenkin tarjota kuivaa insinööritekstiä kokemuksistani ohjelmistokehityksen parissa. Insinööriteksti tekee elämästä kuitenkin niin paljon mielenkiintoisempaa, ainakin sitäkautta voi avautua ja purkaa kokemuksiaan muille samanmielisille.

Aion ensimmäisissä postauksissani käsitellä toukokuussa 2012 aloitettua laskutus- ja asiakasrekisterijärjestelmäprojektia, joka on implementoitu yhteistyössä opiskelukaverini kanssa. Tarkoituksenani on kertoa kaikista kehtysprosessiin liittyvistä vaiheista koodauksesta käyttäjäkokemuksiin asti.

Aloitan juttusarjani kertomalla hyvin paljon projektin käytännön implementoinitiin vaikuttavasta asiasta: App Engine alustasta.

Meille oli projektin alkuvaiheesta lähtien selvää, että haluamme toteuttaa sen Vaatimella. Mitään järkevää syytä tälle ei ollut, ratkaisu oli enemmän mututuntumalla tehty. Siispä ensimmäisiä käytännön asioita oli selvittää, minne se pannaan (tirsk). Selvitimme ja lähettelimme sähköpostia muutamiin suomalaisiin web-hotellipalveluja tuottaviin yrityksiin ja kyselimme millaisia palveluita heillä on tarjolla. Totesimme, että noin 15 euron kuukausihintaan saisimme vuokrata virtuaalipalvelimen, jonne voisimme asentaa Tomcatin, joka pyörittää Vaadin-sovellustamme.

Olimme jo lähes ottamassa yhteyttä erääseen palveluntarjoajaan, kunnes jostain muistini syövereistä kaivautui vielä yksi tutkimaton vaihtoehto: Googlen tarjoama App Engine. Tiesin, että se tukee Googlen omalla toolkitillä, GWT:llä tehtyjä ohjelmia. Pikaisen Googletuksen perusteella, totesimme onneksemme, että myös Vaadin-ohjelmat pyörivät siellä. Päätimme siis ryhtyä käyttämään GWT:tä sekä testausympäristönä ja päädyimme siihen, että sitä käytettäisiin myös releasessa.

No miten meni...

Vaadin-ohjelma saatiin suhteellisen vähällä säätämisellä toimimaan App-Enginessä. Ohjelman kehittäminen pääpiirteissään ei eroa hirveästi App Engine ympäristössä verrattuna suoraan Tomcatilla ajettuna.

App Engine asettaa kuitenkin jopa huomattavan määrä rajoitteita.

  • Useita erilaisia hinnoittelurajoituksia mm. kaistan käyttöön, tietokantakyselyihin ja laskentakäyttöön liittyen
  • Vain Googlen omat tietokannat käytettävissä
  • Rajoittunut JRE luokkakirjasto
  • PaaS, joten ei voi ajaa omia prosesseja

Myös useita hyviä puolia löytyy

  • Kohtalainen dokumentaatio
  • Paljon erilaisia sisäänrakennettuja palveluita (cron, memcache, loggaus jne...)
  • Helppo tehdä uusi release (mm. istunto ei katkea)
  • Ilmaista käyttää melko järkevään rajaan asti

Kaikenkaikkiaan App Engine on ollut suhteellisen hyvä alusta järjestelmälle, koska sitä käyttää vain yhden yrityksen muutama henkilö. Etuna on, ettei sen käyttö tuota toistaiseksi minkäänlaisia kiinteitä kustannuksia. Palvelulla on myös korkea käytettävyysaste ja latenssiajat ovat siedettäviä.

Seuraavissa postauksissa aion käsitellä tarkemmin, mitä huonoa ja mitä hyvää itse App Enginestä löydämme ja mitä kannattaa ottaa huomioon jos suunnittelee käyttävänsä App Engineä platforminaan.

Comments

Popular posts from this blog

I'm not a passionate developer

A family friend of mine is an airlane pilot. A dream job for most, right? As a child, I certainly thought so. Now that I can have grown-up talks with him, I have discovered a more accurate description of his profession. He says that the truth about the job is that it is boring. To me, that is not that surprising. Airplanes are cool and all, but when you are in the middle of the Atlantic sitting next to the colleague you have been talking to past five years, how stimulating can that be? When he says the job is boring, it is not a bad kind of boring. It is a very specific boring. The "boring" you would want as a passenger. Uneventful.  Yet, he loves his job. According to him, an experienced pilot is most pleased when each and every tiny thing in the flight plan - goes according to plan. Passengers in the cabin of an expert pilot sit in the comfort of not even noticing who is flying. As someone employed in a field where being boring is not exactly in high demand, this sounds pro...

PydanticAI + evals + LiteLLM pipeline

I gave a tech talk at a Python meetup titled "Overengineering an LLM pipeline". It's based on my experiences of building production-grade stuff with LLMs I'm not sure how overengineered it actually turned out. Experimental would be a better term as it is using PydanticAI graphs library, which is in its very early stages as of writing this, although arguably already better than some of the pipeline libraries. Anyway, here is a link to it. It is a CLI poker app where you play one hand against an LLM. The LLM (theoretically) gets better with a self-correcting mechanism based on the evaluation score from another LLM. It uses the annotated past games as an additional context to potentially improve its decision-making. https://github.com/juho-y/archipylago-poker

"You are a friendly breadwinner"

A recent blog post by Pete Koomen about how we still lack truly "AI-native" software got me thinking about the kinds of applications I’d like to see. As the blog post says, AI should handle the boring stuff and leave the interesting parts for me. I listed down a few tasks I've dealt with recently and wrote some system prompts for potential agentic AIs: Check that the GDPR subprocessor list is up to date. Also, ensure we have a signed data processing agreement in place with the necessary vendors. Write a summary of what you did and highlight any oddities or potentially outdated vendors. Review our product’s public-facing API. Ensure the domain objects are named consistently. Here's a link to our documentation describing the domain. Conduct a SOC 2 audit of our system and write a report with your findings. Send the report to Slack. Once you get approval, start implementing the necessary changes. These could include HR-related updates, changes to cloud infras...