Clients Amazon CodeGuru

Amazon CodeGuru aide les équipes de développement de Cognizant à fournir des logiciels critiques pour les programmes de transformation numérique de nos clients. L'incorporation de CodeGuru dans nos flux de développement améliore et automatise les vérifications de code, aide nos équipes DevOps à identifier et à corriger de manière proactive les problèmes fonctionnels et non fonctionnels, et garantit que les déploiements dépassent les exigences de performance, de sécurité et de conformité de nos clients dans tous les secteurs et toutes les régions.

Un élément clé de notre future feuille de route est de transformer tous nos produits en produits natifs cloud qui tirent parti de l'incroyable gamme de services gérés disponibles chez AWS. Reconstruire les architectures sur site de la vieille école et les transformer pour le cloud pose tout un ensemble de défis d'ingénierie qui vont du suivi des derniers services à l'adaptation au changement de paradigme qui est associé à ces architectures. CodeGuru est un outil incroyablement précieux qui permet d'optimiser les performances de nos produits tout en s'assurant que nous exploitons ces services avec toutes les bonnes pratiques en place. Sans des outils comme CodeGuru Reviewer, nous n'aurions pas pu réécrire des produits entiers comme FogBugz pour qu'ils soient natifs du Cloud AWS. Nous utilisons maintenant CodeGuru Profiler pour optimiser un certain nombre de produits, notamment la plate-forme « No Ops » de EngineYard basée sur les conteneurs et la nouvelle génération de la plate-forme de collaboration Jive.

Amazon CodeGuru Reviewer a aidé notre entreprise à créer une boucle de rétroaction pour nos développeurs et a amélioré le qualité de notre code. Le nouveau modèle de tarification facilite grandement la budgétisation et l'opérationnalisation en nous permettant de l'ajouter à nos processus de développement de logiciels. Désormais, nous pouvons adapter nos besoins en vérifications de code en fonction de la taille de nos projets et des planifications de déploiement.

Une partie du développement des applications réside dans la création de systèmes performants, ainsi que dans les commentaires et l'amélioration continue des systèmes existants. Cela commence par une base architecturale solide, mais se termine souvent par les informations du code de la demande. Lorsque notre équipe chez EagleDream creuse ces informations, elle dispose d'une variété d'outils, et il est utile d'utiliser l'analyse statique et dynamique. Nous avons constaté que l'analyse d'exécution proposée par CodeGuru Profiler est l'une des plus simples et des plus rapides à mettre en œuvre, et qu'elle génère des informations sur le code de l'application qui sont faciles à corriger. Grâce à cet outil, nous avons pu rapidement mettre au point les parties d'une application qui représentent des goulots d'étranglement qui auraient autrement été difficiles à repérer, puis développer des changements qui peuvent être mis en œuvre et testés avec une boucle de rétroaction très rapide. Cela nous permet de fournir et d'améliorer en permanence notre propre charge de travail et les charges de travail de nos clients, en les rendant plus performantes tout en réduisant les coûts.

Grâce à CodeGuru, nous avons mis en place des vérifications de code automatisées directement sur nos pipelines. Ainsi, mon équipe peut déployer du code plus rapidement et plus sereinement. Pour corriger et améliorer le code, nous utilisons les recommandations basées sur le ML et le raisonnement automatisé de CodeGuru Reviewer, au lieu de rechercher manuellement les défauts. L'ajout de Python a rendu CodeGuru encore plus accessible.

Un code de mauvaise qualité ajoute de la complexité au système et peut rapidement devenir un fardeau technique. Cependant, tant que la qualité du code reste homogène, adapter le système n’empêchera par les développeurs d’étendre les fonctionnalités si le code en lui-même est simple. Chez RENGA, le processus d’évaluation de code est important. Toutefois, il ne devrait pas augmenter la charge de travail des évaluateurs ou devenir un goulot d’étranglement lors du développement. Optimisé par le Machine Learning, Amazon CodeGuru Reviewer nous a aidé à automatiser les évaluations de code et à réduire la charge de travail requise des évaluateurs. Nous avons pu aisément intégrer Amazon CodeGuru Reviewer à notre pipeline de développement existant. De plus, apprendre les bonnes pratiques du codage (que nous ne connaissions pas) nous a aidés à avoir plus confiance en nous.

La manière dont nous utilisons Amazon CodeGuru Profiler est très simple mais très précieuse. Nous avons optimisé notre service le moins performant pour réduire sa latence de 15 % pour le 95e centile d’une journée de travail classique.