Quality Gates in Sonar mit Jenkins Pipelines nutzen

Es ist in Sonar möglich „quality gates“ zu definieren. Damit kann die Qualität des Codes (oder des neuen Codes) gegenüber bestimmten Schwellwerten (Testabdeckung, Anzahl der Majors, etc.) überwacht werden (siehe https://docs.sonarqube.org/display/SONAR/Quality+Gates).

Wenn man den Sonar-Lauf von Jenkins aus startet, dann wäre es wünschenswert, dass das Ergebnis des Quality-Gates in das Ergebnis des Jenkins-Laufs übernommen wird. Glücklicherweise ist das mit dem neuen Pipeline-Konzept recht einfach.

Weiterlesen

Mehr als Screenshots – Offline-Fähigkeit für existierende Anwendungen

Viele Nutzer ‚alter‘ Anwendungen machen Screenshots oder Ausdrucke, bevor sie das Büro verlassen. Diese Form der Offline-Fähigkeit kann massiv verbessert werden – was wertvoll und notwendig für viele Anwendungsfälle in Vertrieb oder Außendienst ist. Neue Anwendungen können von Beginn an offline-fähig aufgesetzt werden – eine Freiheit, die bestehende Projekte nicht haben. Dennoch stellt sich die Frage, wie und ob es möglich ist, an eine bestehende Anwendung eine neue offline-fähige Oberfläche (im Browser – als progressive Web App) anzubinden, die offline Daten verändern kann. Dieser Artikel zeigt dies am Beispiel einer (simplen) existierenden Anwendung, die einen neuen, offline-fähigen Client bekommt. Dabei soll die bestehende Anwendung nicht verändert werden.

Weiterlesen

Continuous Deployment – ein Erfahrungsbericht – Teil 1

Kennen Sie das?

  • Als Developer haben Sie ein Feature umgesetzt. Bei der Übergabe fällt im Gespräch mit IT Operations der allseits bekannte Satz „…also bei mir läufts ?!?…“
  • Als IT-Operator sollen Sie ein Artefakt mit neuen Bibliotheken deployen, das in Ihrer Produktionsumgebung erhebliche Probleme verursacht.

Ja? Herzlich willkommen in unserer Projektwelt. Trotz über 20 Jahren Entwicklererfahrung in den unterschiedlichsten Projekten und Unternehmen, erleben wir bestimmte Problemstellungen als äußerst änderungsrestistent. Weiterlesen

Blickbewegungen zur Analyse von Oberflächen

Eye-Tracking als Evaluationsmethode ist effektiv und führt schnell zum Ziel. Der wohl entscheidendste Arbeitsschritt, neben der Aufzeichnung der Blickbewegungen, ist die Auswertung.

Für die Auswertung ist es wichtig, dass die Aufnahmen eine gute Qualität hinsichtlich der Blickbewegung der Testperson aufweisen. Die Qualität kann mittels eines Nachtests während der Aufnahme überprüft werden. Die Testperson kann dieses Ergebnis unbewusst beeinflussen, indem sie sich beispielsweise zu stark vor- und rückwärts bewegt und somit den anfangs eingestellten Abstand zwischen Kamera und Stimulus signifikant verändert. Solche Beeinflussungen können mittels des Analyseprogramms im Nachhinein korrigiert werden. Verschiedene Visualisierungstechniken passend für das Einsatzziel des Eye-Tracking-Tests stellen die Blickbewegungen der Probanden dar. Dadurch können nicht nur Anwendungen , sondern auch andere physische Oberflächen wie Arbeitsplätze analysiert und optimiert werden.

Weiterlesen

Tagung Industrie 4.0: Security in Rechenzentren und Fabriken – Ansätze und Parallelen

Mit dem Begriff Industrie 4.0 verbindet sich die Idee, dass durch Integration klassischer Produktionsmaschinen, Lagersysteme und Betriebsmittel als Cyber-Physikalische Systeme sogenannte Smart Factorys entstehen, die neue Geschäftsmodelle ermöglichen und durch Prozessoptimierung Kosten sparen können. Ein kritischer Erfolgsfaktor hierfür ist das Thema Sicherheit. Aufgrund der immer engeren Vernetzung und der damit einhergehenden Öffnung vorher isolierter Systeme entstehen neue Angriffsflächen für Angreifer.

Im Rechenzentrumsbetrieb gab es vor einigen Jahren ebenfalls eine Phase, in der ehemals isoliert betriebene, Hardware-nahe Systeme geöffnet und vernetzt wurden. Inzwischen sind die damals entstandenen Herausforderungen bewältigt worden.

Auf der Tagung Industrie 4.0 – „Mit Sicherheit gut vernetzt“ haben wir von unseren Erfahrungen aus dem Rechenzentrumsbetrieb berichtet, die unserer Meinung nach im Industrie 4.0 Umfeld helfen können, Chancen zu nutzen und Risiken zu vermeiden.

Hier unser Vortrag:

In dem Tagungsband Industrie 4.0 – Safety und Security werden Sie einen ausführlichen Artikel von uns zu dem Thema finden.
Wenn Sie Kommentare, Anregungen oder Fragen haben, kontaktieren Sie uns einfach per Mail an torsten.fink@akquinet.de.

 

SDK.REST goes to Web API: AKQ.WEBAPI

Nachdem in CRM 2011 der REST Endpunkt eingeführt wurde, war die JavaScript Bibliothek SDK.REST.js aus dem CRM SDK das Standardwerk, um aus Client-Erweiterungen heraus Datenoperation mit einer CRM Organisation durchzuführen.

Seit kurzem ist der REST Endpunkt offiziell von Microsoft als veraltet markiert und spätestens jetzt sollte man über einen Umstieg auf den seit CRM 2015 U1 verfügbaren Web API Endpunkt nachdenken.

Bei diesem Umstieg kann die JavaScript Bibliothek AKQ.WEBAPI helfen. Diese implementiert nicht nur die aus SDK.REST bekannten Funktionen, sondern bietet zusätzlich den Zugriff auf ACTIONS und FUNCTIONS und unterstützt das Ausführen von FetchXML. Eine detaillierte Beschreibung des Funktionsumfangs kann der Dokumentation entnommen werden.

Folgende Komponenten sind Bestandteil des Download-Pakets:

  • AKQ.WEBAPI.js: JavaScript Bibliothek
  • AKQ.WEBAPI.min.js: minifizierte Version der JavaScript Bibliothek
  • AKQ.Samples.js: Beispiel-Aufrufe sämtlicher Funktionern der Bibliothek
  • AKQ.WEBAPI.Documentation.pdf: Dokumentation

Download AKQ.WEBAPI v1.0

Java für das Web – Vaadin best practice

Vaadin ist ein Framework, das die Erstellung von Rich-Internet-Applications mit Java ermöglicht. Damit entsteht eine Brücke von existierenden Softwarearchitekturen und Skills zur nächsten Generation von Unternehmensanwendungen im Web. Das Framework an sich reduziert die Hürde für die ersten Schritte bereits – Projekte steigern ihre Produktivität und Erfolgschance durch die Anwendung einiger Best Practices, die dieser Artikel vorstellt.

Vollständiger Artikel (in Java-Pro): http://java-pro.de/java-fuer-das-web-vaadin-best-practice/

Fachartikel: Praktische Einführung in das Thema Machine Learning (ML)

Der Artikel gibt eine praktische Einführung in das Thema Machine Learning (ML) und zeigt auf, wie mit der WEKA-Bibliothek in Java aus dem häufig verwendeten Beispieldatensatz „Iris“ ein Entscheidungsbaum zur Klassifizierung eines Datensatzes bezüglich seiner Zugehörigkeit zur Iris-Klasse realisiert werden kann. Wir verwenden im Beispiel einen Entscheidungsbaum mit dem J48-Algorithmus, da Entscheidungsbäume sehr anschaulich sind und Entscheidungskriterien sichtbar machen. Der J48-Algorithmus bringt zudem eine effiziente Implementierung des Algorithmus C 4.5 mit, die häufig bereits sehr gute Klassifizierungen ermöglicht.

Artikel: Praktischer Einstieg in ML mit WEKA: Erstellung eines Entscheidungsbaums