Santosh Praneeth Banda es un líder técnico senior en el espacio de la plataforma de desarrolladores que ha pionero formas de acelerar la entrega de software y reducir la complejidad de la infraestructura. arquitecturas que sustituyen los entornos de escenografía lentos y frágiles por pruebas seguras en tiempo real en sistemas en vivo. Al centrarse en plataformas de desarrolladores escalables y infraestructuras robustas, el trabajo de Santosh ha ayudado a los equipos de ingeniería a repetir más rápidamente sin comprometer la seguridad o la fiabilidad.En este experto Q&A, Santosh Praneeth Banda comparte cómo las innovaciones en aislamiento, orquestación y observabilidad están redefiniendo cómo el software —y los equipos detrás de él— operan a escala. production-first, multi-tenant : El desarrollo de software “a la velocidad de producción” suena ideal, pero también es desafiante.¿Cuáles son los mayores obstáculos para escalar el desarrollo de software en entornos similares a la producción, y cómo los ha abordado? Interviewer Uno de los mayores desafíos es que tradicionalmente, la producción fue vista como demasiado arriesgada para probar nuevas características. Para validar verdaderamente el rendimiento, pero el uso de entornos en vivo para experimentos ha sido considerado durante mucho tiempo como fuera de límites.A principios de mi carrera, muchos creyeron que era imposible probar de forma segura aplicaciones grandes (o cualquier código complejo) en un sistema en vivo debido al riesgo de impactar a los usuarios. Santosh: production-scale data and compute Encontré esto de primera mano; los entornos de escenografía simplemente no podían imitar la escala o el realismo que necesitábamos, y eso ralentizó nuestras iteraciones. Los riesgos que corren, hemos diseñado una que aislaron los experimentos de los usuarios reales mientras seguían funcionando en el entorno real. Aprovechamos tecnologías como la red de servicios para el enrutamiento del tráfico y para que, aunque estuviéramos “en producción”, nuestras pruebas estuvieran contenidas y seguras. engineer our way multi-tenant, production-first testing model strict data isolation No fue fácil; se necesitó una profunda experimentación, convencer a las partes interesadas y cambiar los hábitos de larga data. Paso a paso, demostramos que podía funcionar. Al comenzar pequeño, imponer fuertes barreras de seguridad y ser transparentes con los resultados, construimos confianza en este enfoque. De hecho, el éxito de este modelo inspiró en otras compañías de tecnología enfoques similares.Este viaje me enseñó que lo que se siente “imposible” en el desarrollo de software a escala a menudo se puede resolver con una mezcla de ingenio técnico, persistencia y una visión clara de la seguridad. 10× faster feedback loops Interviewer: How did your earlier infrastructure work influence your later innovations in developer platforms? Mi base estaba en la infraestructura a gran escala, asegurando que los sistemas podían escalar de manera eficiente, tolerar fallos y recuperarse automáticamente.En un principio, trabajé en infraestructura que optimizaba la replicación de bases de datos, la tolerancia a fallos y la coherencia distribuida en los centros de datos globales.Estas experiencias me enseñaron cómo la resiliencia y el rendimiento están estrechamente relacionados con la productividad del desarrollador. Santosh:  Las plataformas de desarrollo se basan en los mismos principios. Cuando los sistemas son previsibles y la recuperación se automatiza, los desarrolladores se mueven más rápido porque confían en la plataforma. La transición de la infraestructura a la experiencia del desarrollador no fue un cambio en la filosofía, sino una continuación. Interviewer: Why move away from traditional staging environments? How does a multi-tenant, production-first workflow change the game for developer velocity and safety? Durante décadas, los entornos de escenografía fueron la manera de probar los cambios, es lo que todos usaban porque tocar la producción era tabú. Puedes pasar días probando en el escenario solo para alcanzar problemas invisibles cuando finalmente vayas en vivo. flujo de trabajo con aislamiento multi-teniente, invertimos ese guión. Santosh: staging is often slow, brittle, and never truly identical to production production-first En un modelo de producción primero, cada desarrollador puede probar sus cambios en un En esencia, es una fracción aislada del entorno de producción real. Debido a que es aislada, no afecta a los usuarios reales, pero se comporta exactamente como el producto real.El impacto en la velocidad del desarrollador es dramático: los comentarios que solían tomar días o requerir una liberación completa ahora llegan en minutos o horas.Los ingenieros pueden validar de inmediato cómo funciona su código en condiciones reales, lo que reduce los ciclos de liberación y aumenta la confianza. live system sandbox, Importante, este enfoque también mejora la seguridad.Dado que está probando en el entorno real, se captan problemas que un área de escenario podría perder, antes de que alcancen a los usuarios.Y si algo va mal en una prueba, el radio de explosión está contenido en esa caja de arena.En mi experiencia, el paso a este tipo de flujo de trabajo establece un nuevo estándar para la fiabilidad; podríamos entregar características más rápido. La mentalidad de “mover rápido y romper las cosas”.En su lugar, se mueve rápido y no rompe nada, porque está probando en la producción de manera responsable. cambia fundamentalmente la forma en que se construye el software: los desarrolladores pasan menos tiempo esperando y más tiempo construyendo, todo confiando en que si funciona en la caja de arena de prueba, funcionará en la producción para todos. without Interviewer: You often mention the importance of fast feedback loops and real-time observability. Why are these so critical in modern AI and software development? Los circuitos de retroalimentación rápidos son la fuente de la innovación.Cuanto más rápido sepa si un cambio funciona o un modelo está funcionando bien, más rápido se puede repetir y mejorar. Santosh: Durante mi tiempo en una gran compañía de redes sociales, vi de primera mano que incluso Esto condujo a enormes ganancias de productividad en miles de ingenieros.Cuando se trata de desarrollo de IA, esto es especialmente cierto.Tienes que entrenar, ajustar y retraer modelos rápidamente, y no puedes permitirte esperar semanas para averiguar el comportamiento de un modelo en un entorno real.Acortar ese ciclo de la idea al resultado significa que tu equipo permanece en sincronía con lo que realmente está sucediendo, lo que acelera el aprendizaje. small improvements in developer feedback loops Ahora ya, es lo que hace que esos circuitos rápidos sean seguros. Si vas a estar probando en algo cercano a la producción, debes tener visibilidad en todo lo que está sucediendo. Herramientas de observación y telemetría nos permiten monitorear los experimentos a medida que ocurren. Los sistemas están instrumentados con estas herramientas para que cada prueba, cada nueva implementación del modelo, fluya las métricas y los rastros en tiempo real. De esta manera, si aparece una anomalía o error, lo captamos de inmediato. Crea un círculo de retroalimentación estrecho no sólo para que los desarrolladores escriban código, sino para que el sistema mismo nos diga cómo se está comportando. real-time observability En la práctica, la observación en tiempo real ha sido nuestro sistema de advertencia temprana y nuestra guía; da a los desarrolladores la confianza de moverse rápidamente, sabiendo que si algo se apaga, lo veremos y podemos responder de inmediato. Transforman el desarrollo en una conversación continua entre los ingenieros y el sistema en vivo, lo que es crucial para construir sistemas complejos de IA de forma segura a la velocidad. fast feedback and observability work hand-in-hand Interviewer: Enabling safe, scalable experimentation at production scale requires the right infrastructure. What key architectural choices did you make to support this? Una de las decisiones clave fue abrazar Usamos Kubernetes para crear entornos efímeros, aislados a demanda.Si un desarrollador necesitaba probar un nuevo modelo de aprendizaje automático o un cambio de servicio, la plataforma proporcionaría una instancia contenerizada de ese servicio (y cualquier componente dependiente) en segundos. en términos de configuración, pero aislados en términos de datos y alcance. Santosh: container orchestration replica of production Implementamos el enrutamiento basado en el contexto, utilizando esencialmente identificadores (con la ayuda de datos de telemetría) para garantizar que las solicitudes de prueba de un desarrollador o sesión específico se enrutaran sólo a la instancia aislada de ese desarrollador. nos permitió etiquetar y rastrear las solicitudes para que fluyeran a través de las vías correctas sin sangrar al sistema principal. OpenTelemetry-based context propagation El aislamiento de los datos también era no negociable. Nos aseguramos de que los datos generados durante los experimentos se mantenían separados de los datos de los usuarios reales, a menudo usando cuentas falsas o bases de datos separadas para ejecutar pruebas, por lo que incluso en el peor de los casos, un experimento falso nunca podría afectar a la información del cliente en vivo. , aislamiento de varios inquilinos, enrutamiento inteligente de solicitudes y observación rigurosa - creamos una plataforma donde la experimentación podría ocurrir de forma segura a escala. ephemeral environments Los desarrolladores podrían ejecutar cientos de experimentos, utilizando cargas de trabajo reales, y el sistema manejaría la orquestación y la limpieza automáticamente.Este tipo de arquitectura convierte la experimentación de un evento arriesgado y raro en una parte rutinaria del desarrollo. con modelos de IA y nuevas características, porque la infraestructura tiene su espalda, manteniendo la seguridad y el rendimiento independientemente de cuántos experimentos se ejecutan. push the envelope Interviewer: What lessons have you learned from implementing these systems in large-scale engineering organizations? Any advice for teams looking to adopt production-first practices? Una de las mejores lecciones que he aprendido es que En otras palabras, los sistemas más impactantes que construimos tuvieron éxito no porque fueran demasiado complicados, sino porque Si quieres que cientos de ingenieros adopten una nueva plataforma o flujo de trabajo, tiene que eliminar la fricción de su trabajo diario. Nos concentramos en convertir los procesos lentos y manuales en experiencias rápidas e intuitivas.Cuando algo que antes tomaba una tarde ahora toma minutos, y es más fácil de hacer, las personas lo abrazan naturalmente.La verdadera innovación a menudo consiste en eliminar los pasos innecesarios y hacer que el complejo se sienta sin esfuerzo. Santosh: scale doesn’t come from complexity; it comes from clarity. made life simpler for developers Otra lección es acerca de las personas, no sólo de la tecnología.Dirigir un cambio como pasar a la producción-primera prueba en una gran org me enseñó el valor de No se puede simplemente mandar a los ingenieros a cambiar sus hábitos; se necesita ganar su buy-in.He descubierto que el éxito viene de la empatía y la paciencia: escuchar las preocupaciones, demostrar mejoras y alinear el cambio con una visión compartida de mejor calidad y velocidad. influence over authority Como a menudo digo, la tecnología puede ser lógica, pero el progreso siempre es humano. El objetivo debería ser construir herramientas, sistemas e incluso equipos que te superen.Si la plataforma que creas solo funciona cuando estás involucrado personalmente, entonces no se escalará.Pero si empodera a otros a hacer más incluso cuando te retiras, eso es un impacto real.El impacto duradero en grandes organizaciones no se trata de lo que puedes lograr solo, sino de lo que permitas a todos los demás lograr debido a las fundaciones que has puesto en lugar. focus on leverage, not control Interviewer: Looking ahead, what are your thoughts on the future of developer platforms, especially as AI gets more integrated? How do you see AI influencing developer workflows and infrastructure? Estoy increíblemente emocionado por dónde van las cosas. Ya estamos viendo señales tempranas –desde la codificación asistida por IA a la analítica inteligente en CI/CD– pero creo que va mucho más lejos.En el futuro, la propia plataforma de su desarrollador podría tener co-pilotos de IA trabajando junto a usted.Imagine un IA que pueda configurar automáticamente su entorno de prueba, o sugerir optimizaciones en su código e infraestructura basándose en patrones que ha aprendido de miles de implementaciones. Santosh: intelligent developer environments En esencia, gran parte del trabajo en desarrollo y pruebas de software puede ser , lo que permitirá a los desarrolladores centrarse más en la resolución de problemas creativos y menos en los entornos de babysitting o en el crunching de los datos de registro.A medida que los modelos de IA se vuelven más complejos y hambrientos de datos, esta integración también será clave para mantener los ciclos de desarrollo rápidos.La industria en su conjunto se está moviendo hacia esta fusión de IA con las operaciones de los desarrolladores; se puede ver en la forma en que surgen nuevas herramientas que incorporan el aprendizaje automático en el seguimiento, la seguridad e incluso el proceso de codificación. augmented by AI Mi propio objetivo es seguir empujando en esa dirección: construir plataformas que ayuden a los desarrolladores Es un cambio más amplio, y estoy feliz de ser uno de los contribuyentes que trabajan para hacerlo una realidad.Al final, el futuro de las plataformas de desarrolladores se centrará en unir la creatividad de los desarrolladores humanos con el poder de la automatización y la visión impulsadas por la IA. Esa combinación mantiene la promesa de la innovación de software y IA a un ritmo y escala que nunca hemos visto antes, y hacerlo de forma segura, escalable y con mucho menos fricción que en el pasado. ship software at blistering speed

This story contains new, firsthand information uncovered by the writer.

Este audio es producido en el idioma original de la historia!

Construir a la velocidad de la producción: Cómo los sistemas multi-teniente están moldeando la entrega de software

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Aumente su productividad con estas 18 herramientas para desarrolladores 🚀🔥

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Aumente su productividad con estas 18 herramientas para desarrolladores 🚀🔥

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps