Mentionsy

Potem przeszedłem dość mocno w chmurę publiczną, głównie AWSy, ale w międzyczasie pojawiły się i Azure, i GCP, nawet jakiś Oracle gdzieś tam się pojawiał.

No i tutaj znowu programiści, też nie chcę tak trochę hejtować, bo to nie o to mi chodzi, tak to może źle brzmi, ale programiści lubią pisać kod biznesowy, lubią się skupiać na DDD, na TDD, na takich rzeczach, które ich bawią, a ta infrastruktura to jakoś tak nie zawsze.

I teraz jeszcze wracając do tego sysopsa, bym powiedział trochę nieszczęsnego, bo nawet sam AWS szybko rozpozna o wprowadzaniu swojej certyfikacji.

Znaczy, jeżeli chodzi o terminologię i wspólny język, to tak najbardziej zawsze pomaga.

Czyli mieliśmy DevOpsów, teraz DevOpsowie z reguły się już dzielą, nie zawsze.

o AWS, mówimy o jakimś SNS czy SQS.

Umiemy się poruszać po logach, które one dostarczają, bo nie zawsze jest tak, że logi z pipeline'ów na przykład lecą do naszych, do Grafany, do lekkiego, czy do tych takich wewnendorów.

Są organizacje typu Google, które są wyspecjalizowane, mają swoje zespoły SRE, które gdzieś tam tą produkcją się zajmują, z możliwością zawsze odezwania się do programistów w ramach takiej trzeciej linii wsparcia.

Teraz mamy dużo systemów, te pipeliny, które same nam dbają o to, aby podbijać nam dependencje, abyśmy zawsze mieli bezpieczny kod.

Przy każdym brzmi się, że mamy nie zawsze.

Chmura publiczna ze swoim serverlessem umożliwiła tworzenie takich, na przykład ja jestem AWS-owiec, będę się odwołał do AWS-a, słynne Lambdy.

i programiści z dobrym pomysłem mogli szybko wejść w tą chmurę, skądinąd AWS i nie tylko AWS, ale i inne chmury miały swoje takie całe programy wsparcia dla startupów, bo oni wiedzieli właśnie, że z nami możecie się szybko wyskalować, w łatwy sposób to uruchomić.

Natomiast jak już ktoś pójdzie na takiego AWS-a i zacznie się integrować z EKS-em i pójdzie mocno w zarządzane usługi, to nie jest coś, co możesz teraz w tydzień, dwa tygodnie, trzy, dwa miesiące przenieść sobie na Azura.

To jest coś, co mi się akurat w DevOpsie czy w chmurach często nie podoba, bo sprzedawcy powiedzą wszystko, a potem to muszą inżynierowie zrobić, a nie zawsze się da zrobić to, co sprzedawcy obiecali.

W każdej rozmowie siłą rzeczy teraz, którą nagrywam, przewija się temat AI i zawsze pojawia się właśnie ten bardzo istotny aspekt, czyli odpowiedzialność za to, kto ponosi odpowiedzialność za efekty pracy sztucznej inteligencji, czy raczej LLM-ów.

Ale potem znowu przechodzimy do tego problemu, że jego utrzymanie nie zawsze jest przez człowieka łatwe, bo tego kodu jest tak dużo wygenerowane, że dla AI jego sparsowanie sobie w głowie, w tej AI-owej głowie jest łatwe.

Z małym wyjątkiem, to nie zawsze działa fajnie z jakiejś powody dla Terraforma, dla tych takich narzędzi IAC, takich typowych, Terraform Cloud Transformation.

Tak, ale tu też trzeba uważać, bo znowu jak się pojawia, jeżeli jesteśmy na styku bezpieczeństwa, powiedzmy, security i w jakiś sposób na przykład już AI stwierdził, że się dobierze do sekretów, albo gdzie on nie będzie sobie trzymał, no to już też trzeba tam, tam nie zawsze to jest fajnie, żeby były wygenerowane przez AI.