LCC 319 - le ramasse-miettes-charognes - (Les Cast Codeurs Podcast) Podcast Details

Description

Dans cet épisde en audio et en vidéo (youtube.com/lescastcodeurs), Guillaume et Emmanuel discutent des 15 ans de Go, d’une nouvelle approche de garbage collecting, de LLMs dans les applications Java, dobservabilité, d’une attaque de chaine d’approvisionnement via javac et d’autres choses.

Enregistré le 13 décembre 2024

Téléchargement de l’épisode LesCastCodeurs-Episode-319.mp3

News

Langages

Go fête son 15ème anniversaire ! https://go.dev/blog/15years

discute les 15 ans
la corrections de gotchas dans les for loops (notamment les variables étaient loop scoped)
le fait que la compile echoue si on attend une version de go superieure seulement depuis go 1.21 en parallele de la gestion de la chaine d’outil (c’est en 2023 seulement!)
opt-in telemetrie aussi recent

Construire OpenJDK à partir des sources sur macOS https://www.morling.dev/blog/building-openjdk-from-source-on-macos/

de maniere surprenante ce n’est pas tres compliqué

Papier sur l’aproche Mark-scavenge pour un ramasse miette https://inside.java/2024/11/22/mark-scavenge-gc/

papier de recherche
utiliser l’accessibilité pour preuve de vie n’est pas idéal: un objet peut etre atteignable mais ne sera jamais accedé par le programme
les regions les plus pauvres en objets vivant voient leurs objets bouger dans uen autre region et la regio libéré, c’est le comportement classique des GC
deux methodes: mark evaguate qui le fait en deux temps et la liveness peut evoluer ; et scavenge qui bouge l’objet vivant des sa decouverte
ont fait tourner via ZGC des experience pour voir les objects consideres vivants et bougés inutilement.
resultats montrent un gros taux d’objets bougés de maniere inutile
proposent un algo different
ils marquent les objets vivants mais ne les bougent pas avant le prochain GC pour leur donner une change de devenir unreachable
elimine beaucoup de deplacement inutiles vu que les objets deviennent non accessible en un cycle de GC
jusquà 91% de reduction ! Particulierement notable dans les machines chargées en CPU.

Les tokens d’accès court ou longs https://grayduck.mn/2023/04/17/refresh-vs-long-lived-access-tokens/

pourquoi des long access tokens (gnre refresh token) sont utilises pour des short lived dans oauth 2.0
refresh token simplifient la revocation: vu que seul le auth serveur a a verifier la révocation et les clients vérifient l’expiration et la validité de la signature
refresh token ne sont envoyés que entre endpoints alors que les access tokens se baladent pas mal: les frontières de confiance ne sont pas traversées
refresh token comme utilise infréquement, et donc peut etre protegee dans une enclave
les changements de grants sont plus simple tout en restant distribuable
histoire des access refresh token et access token permet de mieux tracer les abus / attaques
les inconvenients: c’est plus compliqué en flow, the auth serveur est un SPOF amis mitigeable

Java Advent est de retour https://www.javaadvent.com/calendar

backstage
Java integrite par defaut (et ses consequences sur l’ecosysteme)
timefold (sovler)
Les extensions JUNit 5
OpenTelemetry via Java Agent vs Micrometer
analyse statique de code
CQRS et les fonctionalités modernes de Java
java simple (sans compilatrion, sans objet
fullstack dev with quarkus as backend

José Paumard introduit et explique les Gatherers dans Java 24 dans cette vidéo https://inside.java/2024/11/26/jepcafe23/

Librairies

Micronaut 4.7, avec l’intégration de LangChain4j https://micronaut.io/2024/11/14/micronaut-framework-4-7-0-released/

Combiner le framework de test Spock et Cucumber https://www.sfeir.dev/back/spock-framework-revolutionnez-vos-tests-unitaires-avec-la-puissance-du-bdd-et-de-cucumber/

les experts peuvent écrire leurs tests au format Gherkin (de Cucumber) et les développeurs peuvent implémenter les assertions correspondantes avec l’intégration dans Spock, pour des tests très lisibles

Spring 6.2 https://spring.io/blog/2024/11/14/spring-framework-6-2-0-available-now

beans @Fallback
améliorations sur SpELet sur le support de tests
support de l’echape des property placeholders
une initioalisation des beans en tache de fond nouvelle
et pleins d’autres choses encore

Comment créer une application Java LLM tournant 100% en Java avec Jlama https://quarkus.io/blog/quarkus-jlama/

blog de Mario Fusco, Mr API et Java et Drools
utilise jlama + quarkus + langchain
Explique les avantage de l’approche pure Java comme le cycle de vie unique, tester les modeles rapidement, securite (tout est in process), monolithe ahahah, observabilité simplifiée, distribution simplifiée (genre appli embarquée) etc

Vert.x 5 en seconde incubation https://vertx.io/blog/eclipse-vert-x-5-candidate-2-released/

Support des Java modules (mais beacoup des modules vert.x eux-même ne le supportent pas
support io_uring dans vert.x core
le load balancing côté client
le modele des callbacks n’est plus supporté, vive les Futur
beaucoup d’améliorations autour de gRPC
et d’autres choses

Un article sur Spring AI et la multi modalite audio https://spring.io/blog/2024/12/05/spring-ai-audio-modality

permet de voir les evolutions des APIs de Spring AI
s’appluie sur les derniers modeles d’open ai
des examples comme par exemple un chatbot voix et donc comment enregistrer la voix et la passer a OpenAI

Comment activer le support experimental HTTP/3 dans Spring Boot https://spring.io/blog/2024/11/26/http3-in-reactor-2024

c’ets Netty qui fait le boulot
puis Spring Netty
l’article décrit les etapes pour l’utiliser dans vos applis Spring Boot ou Spring Cloud Gateway
l’article explique aussi le cote client (app cliente) ce qui est sympa

Infrastructure

Un survol des offres d’observabilité http://blog.ippon.fr/2024/11/18/observabilite-informatique-comprendre-les-bases-2eme-partie/

un survol des principales offres d’observabilité
Open source ou SaaS
et certains outsiders
Pas mal pour commencer à défricher ce qui vous conviendrait
blog de ippon

Web

Sortie de Angular 19 https://blog.ninja-squad.com/2024/11/19/what-is-new-angular-19.0/

stabilité des APIs Signal APIs
migration automatique vers signals
composants standalone par défaut
nouvelles APIs linkedSignal et resource
de grosses améliorations de SSR et HMR
un article également de Sfeir sur Angular 19 https://www.sfeir.dev/front/angular-19-tout-ce-quil-faut-savoir-sur-les-innovations-majeures-du-framework/

Angluar 19 https://www.sfeir.dev/front/angular-19-tout-ce-quil-faut-savoir-sur-les-innovations-majeures-du-framework/

composant standalone par default (limiter les problemes de dependances), peut le mettre en strict pour le l’imposer (ou planter)
signalement des imports inutilisés
@let pour les variables locales dans les templates
linkedSignal (experimental) pour lier des signaux entre eux (cascade de changement suite a un evenement
hydratation incrementale (contenu progressivement interactif avec le chargement - sur les parties de la page visible ou necessaires
et event replay, routing et modes de rendu en rendy hybride, Hot module replacement etc

The State of Frontend — dernière compilation des préférences des développeurs en terme de front https://tsh.io/state-of-frontend/

React en tête, suivi de Vue et Svelte. Angular seulement 4ème
Côté rendering framework, Next.js a la majorité absolue, ensuite viennent Nuxt et Astro
Zod est la solution de validation préférée
Pour la gestion de date, date-fns est en tête, suivi par moment.js
Côté state management, React Context API en première place, mais les suivants sont tous aussi pour React !
Grosse utilisation de lodash pour plein d’utilités
Pour fetcher des resources distantes, l’API native Fetch et Axios sont les 2 vaincoeurs
Pour le déploiement, Vercel est premier
Côté CI/CD, beaucoup de Github Actions, suivi par Gitlab CI
Package management, malgré de bonnes alternatives, NPM se taille toujours la part du lion
Ecrasante utilisation de Node.js comme runtime JavaScript pour faire du développement front
Pour ce qui est du typing, beaucoup utilisent TypeScript, et un peu de JSdoc, et la majorité des répondants pensent que TypeScript a dépassé JavaScript en usage
Dans les API natives du navigateur, Fetch, Storage et WebSockets sont les APIs les plus utilisées
La popularité des PWA devrait suivre son petit bonhomme de chemin
En terme de design system, shadcn.ui en tête, suivi par Material, puis Bootstram
Pour la gestion des styles, un bon mix de plain old CSS, de Tailwind, et de Sass/CSS
Jest est premier comme framework de tests
Les 3/4 des développeurs front utilisent Visual Studio Code, quant au quart suivant, c’est JetBrains qui raffle les miettes
Pour le build, Vite récolte les 4/5 des voix
ESLint et Prettier sont les 2 favoris pour vérifier le code

Parfois, on aimerait pouvoir tester une librairie ou un framework JavaScript, sans pour autant devoir mettre en place tout un projet, avec outil de build et autre. Julia Evans explore les différents cas de figure, suivant la façon dont ces librairies sont bundlées https://jvns.ca/blog/2024/11/18/how-to-import-a-javascript-library/

Certaines librairies permette de ne faire qu’un simple import dans une balise script
Certaines frameworks sont distribués sous forme d’Universal Module Definition, sous CommonJS, d’ESmodule
franchemet en tant que noob c’est compliqué quand même

Data et Intelligence Artificielle

L’impact de l’IA en entreprise et des accès aux documents un peu laxistes https://archive.ph/uPyhX

l’indexing choppe tout ce qu’il peut
et l’IA est tres puissante pour diriger des requetes et extraires les données qui auraient du etre plus restreintes

Différentes manières de faire de l’extraction de données et de forcer la main à un LLM pour qu’il génère du JSON https://glaforge.dev/posts/2024/11/18/data-extraction-the-many-ways-to-get-llms-to-spit-json-content/

l’approche “je demande gentiment” au LLM, en faisant du prompt engineering
en utilisant du function calling pour les modèles supportant la fonctionnalité, en particulier avant les approches de type “JSON mode” ou “JSON schema”
ou effectivement si le modèle le supporte aussi, toujours avec un peu de prompting, mais en utilisant le “JSON mode” qui force le LLM a générer du JSON valide
encore mieux avec la possibilité de spécifier un schema JSON (type OpenAPI) pour que le JSON en sortie soit “compliant” avec le schéma proposé

Comment masquer les données confidentielles avec ses échanges avec les LLMs https://glaforge.dev/posts/2024/11/25/redacting-sensitive-information-when-using-generative-ai-models/

utilisation de l’API Data Loss Prevention de Google Cloud qui permet d’identifier puis de censurer / masquer (“redacted” en anglais) des informations personnelles identifiables (“PII”, comme un nom, un compte bancaire, un numéro de passeport, etc)
pour des raison de sécurité, de privacy, pour éviter les brèche de données comme on en entend trop souvent parler dans les nouvelles

On peut utiliser certains modèles d’embedding pour faire de la recherche de code https://glaforge.dev/posts/2024/12/02/semantic-code-search-for-programming-idioms-with-langchain4j-and-vertex-ai-embedding-models/

Guillaume recherche des bouts de code, en entrant une requête en langue naturel
Certains embedding models supportent différents types de tâches, comme question/réponse, question en langue naturelle / retour sous forme de code, ou d’autres tâches comme le fact checking, etc
Dans cet article, utilisation du modèle de Google Cloud Vertex AI, en Java, avec LangChain4j

Google sort la version 2 de Gemini Flash https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/

La nouvelle version Gemini 2.0 Flash dépasse même Gemini 1.5 Pro dans les benchmarks
Tout en étant 2 fois plus rapide que Gemini 1.5 Pro, et bien que le prix ne soit pas encore annoncé, on imagine également plus abordable
Google présente Gemini 2 comme le LLM idéal pour les “agents”
Gemini propose une vraie multimodalité en sortie (premier LLM sur le marché à le proposer) : Gemini 2 peut entrelacer du texte, des images, de l’audio
Gemini 2 supporte plus de 100 langues
8 voix de haute qualité, assez naturelles, pour la partie audio
Un nouveau mode speech-to-speech en live, où on peut même interrompre le LLM, c’est d’ailleurs ce qui est utilisé dans Project Astra, l’application mobile montrée à Google I/O qui devient un vrai assistant vocale en live sur votre téléphone
Google annonce aussi une nouvelle expérimentation autour des assistants de programmation, avec Project Jules, avec lequel on peut discuter en live aussi, partager son code, comme un vrai pair programmeur
Google a présenté Project Mariner qui est un agent qui est sous forme d’extension Chrome, qui va permettre de commander votre navigateur comme votre assistant de recherche personnel, qui va être capable de faire des recherches sur le web, de naviguer dans les sites web, pour trouver les infos que vous recherchez
Cet autre article montre différentes vidéos de démos de ces fonctionnalités https://developers.googleblog.com/en/the-next-chapter-of-the-gemini-era-for-developers/
Un nouveau projet appelé Deep Research, qui permet de faire des rapports dans Gemini Advanced : on donne un sujet et l’agent va proposer un plan pour un rapport sur ce sujet (qu’on peut valider, retoucher) et ensuite, Deep Research va effectuer des recherches sur le web pour vous, et faire la synthèse de ses recherches dans un rapport final https://blog.google/products/gemini/google-gemini-deep-research/
Enfin, Google AI Studio, en plus de vous permettre d’expérimenter avec Gemini 2, vous pourrez aussi utiliser des “starter apps” qui montrent comment faire de la reconnaissance d’objet dans des images, comment faire des recherches avec un agent connecté à Google Maps, etc.
Google AI Studio permet également de partager votre écran avec lui, en mobile ou en desktop, de façon à l’utiliser comme un assistant qui peut voir ce que vous faites, ce que vous coder et peut répondre à vos questions

Méthodologies

Un article de GitHub sur l’impact de la surutilisation des CPU sur la perf de l’appli https://github.blog/engineering/architecture-optimization/breaking-down-cpu-speed-how-utilization-impacts-performance/

c’est surprenant qu’ils ont des effets des 30% de perf
c’est du a la non limit thermique, au boost de frequece qui en suit
ils ont donc cherché le golden ratio
pour eux autour de 60%
ils prennent des morceaux de cluster kube poru faire tourner les workloads
et ajoutent des wqorkload CPU artificiels (genre math)

Sécurité

Attaque de la chaîne d’approvisionnement via javac https://xdev.software/en/news/detail/discovering-the-perfect-java-supply-chain-attack-vector-and-how-it-got-fixed

s’appuie sur l’annotation processeur
l’annotation processors des dependances est chargé et executé au moment du build du projet
et cherche les annotations processor dans le user classpath (via le pattern serviceloader)
et donc si la dependance est attaquée et un annotation processor est ajouté ou modifié on a un vecteur d’attaque au moment de la compilation du projet ciblé
des qu’on deparre l’IDE en gros
workaround, activer -proc:none et activer les annotation processors explicitly dans votre outil de build
certaines améliorations dans le JDK: le compilateur note qu’il execute un annotation processor
dans java 23+ les annotation processors sont deactivés par defaut