Otwarte zapisy na: Granice spójności i współbieżność: od modelu do kodu

AI potrafi bardzo szybko wygenerować kod, który wygląda poprawnie.

Znacznie trudniej jest mu ocenić, czy wygenerowany model zachowuje właściwe granice spójności, reguły biznesowe i gwarancje współbieżności.

Podczas warsztatu pokażemy, jak rozpoznawać problemy, których nie widać na poziomie pojedynczej klasy czy metody. Pojawiają się przy równoległych operacjach, dużej skali albo zmianie sposobu przechowywania danych, a ujawniają się zwykle dopiero na produkcji, na przykład jako zdublowane albo utracone dane.

Zaczniemy od granic spójności: jak je wyznaczyć, gdy wymagania są złożone, i co się stanie, gdy wyznaczymy je źle. Potem przejdziemy do procesów i zdarzeń. Każdy element procesu, na przykład zamówienie, płatność czy przesyłkę, rozrysujemy na osobnej osi czasu i zasymulujemy, jak płyną między nimi wiadomości. Dzięki temu sytuacje wyścigu (race conditions) i problemy z kolejnością przetwarzania widać, zanim powstanie kod. Sprawdzimy też, jak długość strumienia zdarzeń wpływa na model i dlaczego snapshot nie zawsze jest dobrą odpowiedzią.

Zobaczymy również, jak używać AI jako partnera w modelowaniu: nie tylko do generowania implementacji, ale do kwestionowania granic, wyszukiwania scenariuszy brzegowych i testowania założeń modelu.

Nie będzie slajdów z abstrakcyjnymi przykładami. Będą kompletne problemy rozwiązywane w grupach i działający kod, na którym sprawdzimy konsekwencje decyzji modelarskich i implementacyjnych. Będziemy pracować na złożonym przykładzie, a nie na uproszczonym z tutoriala, bo w takim nie pojawiają się problemy, o których mówimy.

Po warsztatach będziesz wiedzieć, jak:

• rozdzielić wymagania na te dotyczące spójności, prezentacji i integracji, zamiast wciskać wszystko w jeden model,
• wyznaczać granice spójności na podstawie cyklu życia, upływu czasu, współbieżności i skali, a nie definicji z książki,
• radzić sobie z przypadkami, w których optimistic locking nie wystarcza,
• unikać pułapek związanych z transakcjami, ORM-em i rozrastającym się modelem,
• ocenić, jak możliwości bazy danych wpływają na model i kiedy dodatkowa warstwa abstrakcji tylko przeszkadza,
• modelować stan jako strumień zdarzeń i panować nad długością strumienia, także bez snapshotów,
• modelować proces na osiach czasu i symulować przepływ wiadomości, zanim powstanie kod,
• wykrywać race conditions i problemy ze spójnością wynikające z kolejności przetwarzania wiadomości,
• zapewnić idempotentność, właściwą kolejność i gwarancje dostarczenia,
• zbudować skill dla AI, który podważa Twój model i szuka scenariuszy brzegowych, a nie tylko generuje kod.

Czy to szkolenie jest dla Ciebie?

Tak, jeśli widzisz w swoim projekcie któryś z tych problemów:

• testy przechodzą, a na produkcji zdarzają się zdublowane lub nadpisane dane,
• model rośnie z każdym wymaganiem i trudno już powiedzieć, co musi być spójne od razu, a co może poczekać,
• transakcje obejmują coraz więcej tabel, a blokady zaczynają spowalniać system,
• wiadomości przychodzą w innej kolejności, niż zakłada Twój kod, i stan systemu się rozjeżdża,
• strumienie zdarzeń rosną i nie wiesz, czy snapshot to właściwe rozwiązanie,
• nie masz pewności, czy kod wygenerowany przez AI poprawnie obsłuży równoległe żądania.

Szkolenie jest dla programistek i programistów, tech leadów oraz architektek i architektów: wszystkich, którzy projektują logikę biznesową albo przeglądają ją w code review. Przykłady i ćwiczenia przygotowaliśmy w Javie, TypeScripcie i C#, więc pracujesz w języku, który znasz.

A co z AI? LLM napisze kod szybciej niż Ty. Nie wie jednak, czy w Twoim biznesie ważniejsza jest spójność, czy przepustowość. To nie fakt, tylko kompromis: im więcej spójności, tym gorsza wydajność i skalowalność oraz większy coupling. Na warsztacie nauczysz się ten kompromis rozpoznawać, przekazywać go AI jako kontekst i sprawdzać, czy wygenerowany kod go respektuje.

To nie jest szkolenie dla Ciebie, jeśli szukasz wykładu z definicjami DDD albo przeglądu narzędzi.