RSocket, le protocole réactif

rsocket logo

RSocket (pour Reactive Socket) est un nouveau protocole de communication. Il spécifie des façons d’échanger des messages au format binaire entre applications. C’est un protocole de niveau applicatif qui permet des communications correspondant aux besoins modernes : push de données, échanges bi-directionnels, reprise de connexion, asynchronisme…

Il est conçu pour être utilisé autant pour de la communication de serveur à serveur, que serveur à périphérique (smartphone, navigateur web etc.).

Le protocole est open-source. Créé au départ par Netflix, il est désormais supporté par Facebook, Pivotal et Netifi. Il doit être intégré prochainement dans le framework Spring (cf issue). La spécification du protocole est actuellement en version 0.2 mais la release est proche, cette version étant considérée comme une release candidate 1.0. Rentrons un peu dans le détail !

 Les points clé de RSocket

Reactive streams – le contrôle des flux

La conception de RSocket s’appuie sur le manifeste réactif et la spécification Reactive Streams. Il s’agit d’implémenter des systèmes asynchrones et non bloquants, mais pas uniquement.

Un des apports fondamentaux apporté par le dogme réactif est la backpressure. Ce paradigme permet à un consommateur de données dans un système, d’informer les autres applications qu’il est surchargé. Les producteurs de cette donnée doivent assimiler cela et ne pas surcharger le flux. Le consommateur peut également choisir de consommer les données au rythme qu’il veut. Le but est de produire un sytème résilient sans devoir implémenter des mécanismes complexes de type circuit breaker.

RSocket introduit ces éléments dans sa spécification, le rendant indiqué pour implémenter des applications réactives.

Autres caractéristiques

  • RSocket est indépendant du transport sous-jacent. Actuellement il peut fonctionner avec TCP, WebSockets, Aeron, ou HTTP/2. Typiquement on choisira TCP pour des échanges de serveur à serveur, et Websocket pour navigateur à serveur.
  • Reprise de connexion. Si une connexion est coupée entre les 2 participants, cela peut être problématique pour les communications de type « longue durée » (abonnement à un flux de données). Le protocole fournit les moyens de reprendre la discussion au même endroit dans une nouvelle connexion, grâce à une notion de position implicite.
  • Rsocket est un protocole de haut niveau. Le but recherché par les créateurs est de fournir des impémentations directement utilisables au sein des applications. Ces librairies sont disponibles dans différents langages de programmation.
  • Les échanges sont au format binaire, afin de maximiser les performances et d’optimiser les resources. Cela peut rendre plus difficile le debug des messages. Cependant, c’est totalement cohérent quand on pense que l’immense majorité des échanges se font entre 2 machines et ne sont pas lus par un humain. Les applications devront donc implémenter la sérialisation et désérialisation de leur format natif vers du binaire.

 Modes d’interaction

La base du protocole tient dans les différents modes d’interaction proposés. RSocket fournit 4 modes distincts :

  1. Fire-and-Forget : requête unique, pas de réponse envoyée par le serveur
  2. Request/Response : « HTTP-like » : 1 requête, 1 réponse.
  3. Request/Stream : requête simple, réponse multiple. Le serveur renvoie une collection (stream) en réponse. Ce n’est pas une liste figée mais bien un flux qui arrive au fil de l’eau.
  4. Channel : échanges bi-directionnels. Les 2 participants s’envoient des flux de messages l’un à l’autre.

Ces modes d’interaction ont été pensés pour répondre aux besoins actuels des applications. Ainsi, le push de données est supporté par le mode request/stream. Cela permet par exemple, de gérer un flux d’informations à recevoir continuellement, sans avoir besoin de requêter plusieurs fois le serveur. Le mode fire-and-forget, avec sa requête unique sans réponse, permet d’optimiser dans des cas où la réponse peut être ignorée. Le mode channel implémente un dialogue complet entre deux composants.

Ces différents modes ainsi que les points clés listés ci-dessus sont le socle de RSocket.

 Les implémentations

A ce jour le protocole a des implémentations en Java, Javascript, C++ et Kotlin. Voyons un peu comment cela marche en Java dans la section suivante.

Exemples en java

L’implémentation en Java est basée sur la librairie Reactor. Au niveau du transport nous allons utiliser ici le transport TCP via le framework Netty. Les 2 dépendances suivantes sont suffisantes pour commencer à implémenter RSocket dans une application : io.rsocket:rsocket-core et io.rsocket:rsocket-transport-netty.

Démarrons un serveur en local :

RSocketFactory.receive()
    .acceptor((setup, socket) -> Mono.just(new AbstractRSocket() {})) // ne fait rien
    .transport(TcpServerTransport.create("localhost", 7000))
    .start()
    .subscribe();

Ce serveur ne va rien faire car on n’a pas spécifié de comportement concret sur la méthode acceptor. Il faut fournir une implémentation des interfaces SocketAcceptor et RSocket afin de déterminer ce que fait le serveur quand il reçoit un message. Il est intéressant de regarder l’interface RSocket pour constater qu’elle demande l’implémentation des 4 modes d’interaction évoqués plus haut :

public interface RSocket extends Availability, Closeable {
  // [...]
  Mono<Void> fireAndForget(Payload payload);
  Mono<Payload> requestResponse(Payload payload);
  Flux<Payload> requestStream(Payload payload);
  Flux<Payload> requestChannel(Publisher<Payload> payloads);
  // [...]
}

Prenons l’exemple d’un service de streaming de « news ». Lorsque le serveur reçoit une requête d’un client, il va envoyer un flux continu d’actualités qui se met à jour sans nouvelle requête. Nous allons devoir implémenter la méthode requestStream pour gérer cette interaction. La classe Payload est la classe qui représente un message binaire qui transite sur la connexion ; il faut donc effectuer les transformations entre les objets métier et ce type. Voici donc à quoi peut ressembler une implémentation du flux côté serveur :

SocketAcceptor socketAcceptor = (setup, sendingSocket) -> {
    return Mono.just(new AbstractRSocket() {
        @Override
        public Flux<Payload> requestStream(Payload payload) {
            return newsProducer.streamNews(payload) // service métier qui fournit le flux de données en fonction de la requête
                    .map(NewsMapper::toByte)        // sérialisation de l'objet métier
                    .map(DefaultPayload::create)    // creation du payload (methode fournie par l'implémentation rsocket-java)
                    ;
        }
    });
};

Sur le même exemple, créons la socket et utilisons là pour que le client puisse interroger le serveur et récupérer les news :

RSocket clientSocket = RSocketFactory.connect()
        .transport(TcpClientTransport.create("localhost", 7000))
        .start()
        .block();
        
clientSocket
    .requestStream(DefaultPayload.create("Donne moi les news s'il te plait"))
    .map(Payload::getData)            
    .map(NewsMapper::fromByteBuffer)  // désérialisation du message vers l'objet métier
    .doOnNext(newsConsumer::readNews) // appel du service métier de lecture des news reçues
    .doFinally(signalType -> clientSocket.dispose())
    .then()
    .block();

Ces quelques exemples démontrent que l’on peut utiliser RSocket dans une application Java très simplement. Cela nécessite en amont l’adoption de la programmation réactive.

Netifi proteus

Proteus est une plateforme basée sur RSocket. Elle fournit un broker auquel les applications vont se connecter, le broker se chargeant des échanges entre les applications. Il gère le routage entre les services, la sécurité, le load balancing. Une console web permet de visualiser et d’administrer la plateforme. Comme souvent, on dispose d’une version communautaire open-source avec les fonctionnalités de base, et la version enterprise contient des fonctionnalités avancées (connecteurs, métriques, alerting, …)

Les échanges sont encodés à l’aide de Protobuf. Ceci permet de spécifier les contrat d’échanges : mode d’interaction, types d’entrée/sortie, etc. Les interfaces client/serveur sont ensuite générées, et il suffit de les implémenter pour écrire notre logique métier. Proteus se charge de la sérialisation des objets et de la communication via RSocket.

Afin d’illustrer Proteus, voici quelques copies d’écran de la console web.

Gestion des brokers :
console web proteus

Statut des services connectés :
console web proteus

L’outil est intéressant mais semble encore un peu limité. Il est par exemple impossible d’envoyer un message à partir de la console, ce qui serait très pratique en développement. Je l’ai trouvé également assez lourd à démarrer via docker, sachant que c’est uniquement un « passe-plat » et qu’il ne stocke pas les messages. Les librairies sont pour l’instant disponibles pour Java, Javascript et Spring Framework mais d’autres devraient arriver prochainement. A suivre donc !

Pour conclure

Dans des systèmes de plus en plus distribués et découplés, les échanges de message asynchrones deviennent un standard de communication entre les applications. RSocket s’inscrit dans cette logique mais se démarque en apportant les principes réactifs au niveau du protocole de communication.

Supporté par des grandes entreprises du numérique, son adoption en sera peut-être facilitée. A suivre…

Découverte du framework Micronaut

Micronaut logo

 Un nouveau framework de développement d’applications JVM

Que dit le pitch ? « A modern, JVM-based, full-stack framework for building modular, easily testable microservice and serverless applications. » Hé oui, rien que ça. A priori ça sert donc à développer des applications et les exécuter sur une JVM, et que c’est orienté sur les microservices et le serverless. La version 1.0 a été releasée en Octobre dernier. C’est l’occasion de faire un essai !

 La genèse de Micronaut

Le constat fait par l’équipe de développement est que depuis quelques années, énormément de choses ont changé dans le développement des applications. Aujourd’hui, on fait des micro-services, sous forme de containers ; on veut pouvoir scaler facilement, exposer des API consommées par plusieurs types de périphériques, avec un niveau de performance élevé. Les anciens frameworks JVM tels que Spring ou Grails n’ont pas été construits avec ces problématiques.
Le but affiché par les créateurs est de créer un framework de développement léger, rapide à démarrer, peu consommateur de mémoire et modulaire ! Clairement, on veut concurrencer Spring Boot en proposant une expérience de développement similaire, mais en s’affranchissant de la lourdeur de ce dernier. L’équipe de développement est la même que celle derrière le framework Grails.

 Comment ça marche – Runtime vs Compile time

Un framework tel que Spring est apprécié par beaucoup de développeurs pour la productivité qu’il apporte, même si la courbe d’apprentissage est raide. Une fois pris en main, il est simple d’exposer et sécuriser une API, d’accéder à de multiples bases de données, d’émettre ou consommer des messages, etc. Le souci est que pour permettre tout cela, il fait énormément de choses au démarrage de l’application : scan du code, injection de dépendances, activation de profils… tout cela est fait au runtime. Cela a pour conséquence que plus un projet Spring est important, plus le temps de démarrage et la consommation mémoire sont élevés.

Micronaut prend le parti de tout faire à la compilation : il n’utilise pas la réflexion (introspection dynamique des classes). Il utilise la compilation ahead-of-time (AOT) afin de gérer tout cela lors du build. Cependant, le framework propose le même genre de facilités aux développeurs que Spring et permet donc une grande productivité. Il promet donc le meilleur des deux mondes !

On va développer quoi avec Micronaut ?

On peut l’utiliser pour construire des API REST, clients d’API, services de traitement de données, messaging, … Micronaut propose un modèle asynchrone et non bloquant et le rend donc indiqué pour développer des applications réactives. Pour cela la couche réseau est basée sur le serveur Netty qui apporte la gestion de l’event loop. C’est le serveur utilisé également par les frameworks Vert.x et Spring Webflux par exemple (version réactive de Spring MVC). Le framework supporte les langages Java, Kotlin et Groovy. Voici quelques fonctionnalités en vrac :

  • service discovery (Consul, Eureka, …)
  • gestion des paramètres de configuration externe (Consul, Amazon ParameterStore)
  • support du serverless (AWS Lambda, OpenFaas)
  • Interaction avec les bases mongoDB, Neo4j, Postgres, Cassandra, Redis…
  • Support d’Apache Kafka
  • Mécaniques intégrées de retry et circuit breaker

 Allez, jouons avec !

Micronaut s’installe très facilement grâce à SDKMAN !

$ sdk install micronaut

 Pour démarrer, le CLI

Micronaut met à disposition un CLI (Command-line interface) efficace. Pour démarrer un squelette d’application :

$ mn create-app com.mycompany.mygreatservice

Cela créée une structure, une classe de démarrage, un Dockerfile, la configuration des dépendances… Le langage est Java par défaut et les dépendances gérées par Gradle, mais il est possible d’utiliser maven avec l’option -b maven. Il y a un certain nombre de features qui permettent de pré-configurer une fonctionnalité en ajoutant les dépendances et le squelette de configuration nécessaire, par exemple :

$ mn create-app com.mycompany.mygreatservice --features discovery-consul, mongo-reactive

Malheureusement il n’est pas possible d’ajouter une feature une fois que le projet a été créé. Création d’un controller :

$ cd mygreatservice/ 
$ mn create-controller com.mycompany.cars 

Une classe com.mycompany.CarsController est créée avec une route /cars par défaut, ainsi que la classe de tests associée. Du coup, on peut tester :

$ ./gradlew run 
$ curl -i http://localhost:8080/cars

HTTP/1.1 200 OK
Date: Wed, 2 Jan 2019 23:50:42 GMT
connection: keep-alive
transfer-encoding: chunked

Regardons un peu le code généré ! Voici la classe de démarrage de l’application :

public class Application {

    public static void main(String[] args) {
        Micronaut.run(Application.class);
    }
    
}

Et le controller :

@Controller("/cars") 
public class CarsController {

    @Get("/")
    public HttpStatus index() {
        return HttpStatus.OK;
    }
    
}

On remarque déjà des similitudes avec le modèle de développement Spring. Il est à noter que le framework fait des choix modernes par défaut : par exemple, les routes consomment et produisent du JSON par défaut, pas besoin de préciser le content-type dans ce cas.

 Adoption du modèle réactif

Nous avons évoqué le fait que Micronaut utilise Netty pour la couche réseau. Pour garantir l’exécution en mode non bloquant, il faut utiliser les types fournis par une librairie implémentant la spécification Reactive Streams, comme par exemple Reactor ou RxJava.

Prenons l’exemple d’un endpoint classique de sauvegarde. On va écrire quelque chose comme :

@Post 
public HttpResponse<Customer> save(@Body Customer customer) { 
    return service.insertInDatabase(customer); 
}

Dans ce cas, Micronaut utilise un thread pool classique. L’exécution est bloquante : le code du service n’est exécuté que lorsque l’objet est reçu en totalité. La réponse n’est envoyée que lorsque le service a fini son exécution. Entre ces étapes, le thread courant est bloqué, en attente. Si on a une latence réseau importante les resources du serveur ne sont pas exploitées au mieux. Voici le même exemple en utilisant RxJava :

@Post 
public Single<Httpresponse <Customer>> save(@Body Single<Customer> customer) {
    return customer.map(c -> { 
       service.insertInDatabase(c); 
       return HttpResponse.created(c); 
     }); 
}

Ici la requête est non bloquante et le modèle event-loop de Netty est utilisé. Entre les différentes étapes, le thread est capable d’exécuter d’autres requêtes plutôt que d’être bloqué.

Si on veut être réactif de bout en bout, il est préférable d’utiliser également une librairie réactive quand il s’agit d’accéder aux données. Ce n’est pas toujours possible. JDBC est une API bloquante par exemple. Dans ce cas l’exécution des accès à la base de données sera basculée dans le thread pool « bloquant » et on reviendra en mode non bloquant ensuite.

 Accès aux données avec mongoDB réactif

Du coup on opte pour le driver réactif pour MongoDB. Pour l’activer, on ajoute la dépendance dans le fichier de dépendances, ici dans build.gradle :

compile "io.micronaut.configuration:micronaut-mongo-reactive"

Et il faut déclarer le chemin vers la base dans le fichier application.yml

mongodb:
  uri: mongodb://localhost:27017

Avec cette configuration, on dispose d’un objet MongoClient qui peut être utilisé pour interagir avec la base de données. Cet objet peut être injecté à la manière d’un bean Spring. On peut ensuite requêter dans la base de données de manière réactive :

private MongoCollection<Customer> getMongoCollection() {
    return mongoClient
            .getDatabase("my-great-database")
            .getCollection("myGreatCollection", Customer.class);
}

public Maybe<Customer> getByLogin(String login) {
    return Flowable.fromPublisher(
            getMongoCollection().find(Filters.eq("login", login)).limit(1))
                .firstElement();
}

Service discovery avec Consul

Dans un environnement micro-services il est très utile de pouvoir faire du service discovery : chaque service va s’enregistrer au sein de l’éco-système, ce qui permettra aux autres services de l’appeler sans connaître son adresse réelle. Consul permet de faire cela et son intégration est facile dans Micronaut. Il faut ici encore ajouter une dépendance dans le build.gradle :

compile "io.micronaut:micronaut-discovery-client"

Puis on ajoute quelques paramètres dans le fichier application.yml pour activer l’enregistrement du service.

consul:
  client:
    registration:
      enabled: true
    defaultZone: "localhost:8500"

On constate l’enregistrement automatique du service dans consul lorsqu’il est démarré : consul services

Il est alors possible de simplifier grandement l’appel à un service qui expose une API REST. Si on veut appeler un tel service dans une autre application, il suffit de déclarer une interface annotée @Client avec l’identifiant du service, et les méthodes correspondant aux endpoints de l’API.

@Client("customer")
public interface CustomerServiceClient {

    @Get("/customers/{login}")
    public Single<Customer> getByLogin(String login);
    
}

On peut ensuite appeler directement ce client dans notre code.

public class MySecondService {

    private final CustomerServiceClient customerClient;
    
    public MySecondService(CustomerServiceClient customerClient) {
        this.customerClient = customerClient;
    }

    public void callMyCustomerService(String login) {
        customerClient.getByLogin(login)
                .map(customer -> {
                    // do what you want here
                });
    }
}

 Et donc, les promesses de performance et de légéreté ?

Prenons un exemple d’application avec les features ci-dessus actives et développées : consul service discovery et MongoDB. Voir la taille du fat jar compilé :

$ du -h ./customer/build/libs/customer-0.1-all.jar 
14M ./customer/build/libs/customer-0.1-all.jar

L’exécutable fait une taille plutôt raisonnable de 14 Mo. Démarrons l’application pour constater le temps de démarrage :

$ java -jar ./customer/build/libs/customer-0.1-all.jar
12:02:55.340 [main] INFO  io.micronaut.runtime.Micronaut - Startup completed in 1169ms. Server Running: http://localhost:8080
12:02:55.446 [nioEventLoopGroup-1-3] INFO  i.m.d.registration.AutoRegistration - Registered service [customer] with Consul

J’ai constaté un temps similaire sur plusieurs essais. Bien sûr ça n’a rien d’un benchmark dans les règles de l’art mais c’est plutôt encourageant.

Concernant l’empreinte mémoire, j’ai pu effectuer quelques tests. Sur une application de type serveur HTTP avec un seul endpoint, j’ai constaté une consommation mémoire d’environ 100Mo. Il est notable de constater que l’application fonctionne si on la lance avec une taille maximale de heap très petite (10Mo). Malheureusement c’est trop peu significatif sur une petite application et je n’ai pas eu d’effet « waouh ». Pour tirer des conclusions pertinentes et constater la plus-value réelle de Micronaut, il faudrait faire un benchmark complet sur une application plus proche d’une application de production, et comparer avec d’autres frameworks. Peut-être un sujet pour un prochain article 😉

Vous trouverez un exemple complet avec 2 services sur mon github !

 En conclusion

Micronaut est un nouveau framework JVM qui est vraiment prometteur. Il est simple à utiliser, rapide, la documentation est claire et concise. Le projet est très actif au niveau des contributions.

L’enjeu pour l’équipe de développement sera de garder le côté « micro » tout en augmentant le périmètre des fonctionnalités. Je pense qu’il peut se positionner comme une alternative crédible sur ce marché. En tout cas, je vais surveiller son évolution avec intérêt !

ADEO Dev Summit

Fin juin avait lieu Adeo Dev Summit, événement autour du développement organisé au sein du groupe Adeo. L’occasion de rassembler les personnes de l’IT des différentes entités du groupe au niveau mondial (France, Russie, Brésil, Grèce…) 4 jours durant lesquels se sont succédés conférences, codelabs et keynotes dédiés aux techniciens : on a parlé frameworks, architecture, déploiement, méthodologies, open/inner source…
On ne va pas faire ici un résumé complet, mais on a assisté à des talks de qualité que ce soit par des speakers « internes » Adeo ou du beau monde venu de l’extérieur (booking.com, github, google, confluent/kafka, traefik, …)., ainsi que des ateliers pour tous les goûts.
La keynote de fermeture nous a permis d’écouter Dirk-Willem van Gulik, un des fondateurs et ancien président de la fondation Apache, sans qui notre métier serait probablement assez différent aujourd’hui. Un grand moment.

De mon côté j’ai suivi un atelier sur le langage Go, vu une première approche pratique du serverless / Function-as-a-service, découvert les outils Skaffold et Bazel pour gérer le déploiement de briques hétérogènes dans Kubernetes, …
J’ai également participé activement : j’ai donné un talk sur les micro-services appliqués à la vraie vie, et j’ai animé des codelabs sur la programmation réactive dans Spring et les microservices en java avec RabbitMq et Spring cloud stream.
Le tout dans la langue de Shakespeare…
Cela a été une super expérience à tout point de vue. L’événement en lui-même, organisé en très peu de temps, a été une énorme réussite que ce soit au niveau de l’organisation, la qualité des intervenants, et la diversité des thèmes abordés.

Plus généralement cela m’a inspiré quelques réflexions sur le passé et le présent de notre métier…
Nous avons depuis longtemps la conviction

  • Que le développeur a quelque chose de différenciant, une plus-value à apporter dans les produits auxquels il participe.
  • Que l’on ne peut pas remplacer sans réfléchir un développeur A par un développeur B.
  • Que l’on devrait parler de personnes et non de ressources.
  • Que travailler main dans la main avec son client et son utilisateur est bien plus rentable sur le long terme que d’envoyer le développement se faire dans un centre de service à l’autre bout du monde.

La bonne nouvelle, c’est qu’aujourd’hui cette conviction est non seulement partagée, mais est partie intégrante de la culture des services informatiques des entreprises (que l’on évoque des entreprises très centrées sur leur IT ou non).
Et ce genre d’événement le démontre !
L’approche DevOps, les méthodologies Agile, le software craftsmanship, sont autant d’éléments qui rappellent que le développeur a aujourd’hui un rôle fondamental à jouer.

Il y a 10 ou 15 ans, le terme même de « développement » avait une certaine connotation négative.
Dans beaucoup d’esprits, c’était plutôt pour les juniors !
Dans cette vision, la voie normale de carrière était : obtention du diplôme > développeur (pas trop longtemps) > chef de projet > manager.
Bien sûr c’est un peu caricatural mais reflète une certaine réalité de l’époque.
Il semble que ce temps soit révolu.
Aujourd’hui le développeur ne doit pas uniquement coder :

  • Il participe aux réflexions avec les utilisateurs,
  • Il est responsable des tests, du déploiement sur les environnements distants, de l’intégration continue, du run.
  • Il explique régulièrement ce que fait le produit.
  • Il prouve que ça fonctionne.
  • Il partage ses pratiques avec les autres équipes de développement.

Bref, le technicien a gagné ses lettres de noblesse. A eux, à nous, de continuer à faire avancer les choses et les mentalités.
Le changement de mindset a opéré, enfin, le train est en marche.

En conclusion, un grand bravo à Adeo pour cette initiative ! Ce n’est que le début !

Alexandre Vandekerkhove

PS : Merci à Florian Petit pour la photo !

On était au Devfest 2018 – IMT Lille Douai

Le 21 Juin 2018 avait lieu le devfest 2018 à l’IMT Lille Douai. Il s’agit d’une journée de conférences, codelabs autour de sujets technologiques innovants.

Tout démarre par une keynote d’Alexandra Nemery & Sarah Colmon. Elles ont su captiver l’auditoire avec un petit quizz interactif sur le thème des jeux vidéo sur kahoot.it. Elles ont ensuite tenté de faire le lien entre le monde de l’UX et celui des jeux vidéo, en prenant quelques exemples de jeux dont l’ergonomie n’est pas adaptée soit au device, soit aux habitudes des utilisateurs (joueurs). Et si Shigeru Miyamoto, célèbre créateur de Mario et Zelda, était le premier vrai visionnaire de l’UX ?

On a ensuite assisté à une introduction de gRPC par Sébastien FRIESS. Ce framework s’appuie sur le protocole HTTP/2 et utilise Protocol Buffers pour permettre d’échanger des données entre briques applicatives de façon performante. Sébastien nous a présenté le schéma de description des messages (IDL), puis une démo client/serveur. Il a apporté des modifications aux schémas de données à chaud, côté serveur puis côté client, pour démontrer que les échanges n’étaient pas impactés.

Sébastien Pertus nous a présenté les modules dans EcmaScript 6 et nous a également parler de TypeScript. Il a d’abord fait un historique et un focus sur Node.js puis nous a présenté sous forme de démos l’utilisation des modules dans les navigateurs.

Alexis Hassler nous a fait une revue de HTTP/2 et de son support dans les navigateurs, frameworks web, serveurs d’applications… La démo d’Alexis nous a permis de constater l’efficacité du multiplexage (utilisation de la même connexion tcp) de HTTP/2 sur le chargement de plusieurs éléments d’une page web. Il nous a également parler de la compression des headers http et du « server push » qui permet au serveur de pousser des ressources avant même qu’elles soient demandées par le client. On a pu apprendre que le support d’HTTP/2 est assez hétérogène et que l’utilisation du « server push » n’est pas forcément très simple pour le moment et nécessite de vérifier toutes les briques (reverse proxy, …) séparant le client du serveur.

On a vu différentes méthodes pour protéger ses API avec Léo Unbekandt. Les « API tokens » sont parfaits pour débuter rapidement et sont simples mais ne sont pas idéaux dans un écosystème distribué. Oauth 2 permet d’utiliser un vrai standard partagé mais implique beaucoup de complexité et d’appels client/serveur, cela reste néanmoins une excellente méthode pour faire de la délégation d’identité. Les tokens JWT peuvent être une bonne alternative dans le sens où le token peut être directement validé par le serveur sans appel supplémentaire, les jetons étant signés avec une clé privée connue du serveur.

Christophe Furmaniak & Yoan Rousseau, nous ont parlé de monitoring et d’alerting dans des environnements conteneurisés. Ils ont présenté l’outil de monitoring Prometheus dont le principe est de collecter les métriques en mode PULL dont l’un des principaux avantages est que les applications n’ont pas connaissance de l’infrastructure de monitoring, ce qui simplifie la configuration. Les applications ont tout de même la possibilité de venir Pusher des métriques via un composant intermédiaire que Prometheus utilisera pour collecter la donnée. Il nous ont également montré l’utilisation de Grafana qui permet la visualisation et la mise en forme des métriques collectées par Prometheus. Enfin, la problématique de mise en cluster de Prometheus a été rapidement abordée, le projet Thanos a été mentionné pour répondre à ce besoin. Nous pouvons conclure que Prometheus est adapté pour le monitoring mais n’est pas fait pour stocker des logs ou des événements, il n’est pas fait non plus pour tracer les requêtes dans une architecture microservices où il faudra utiliser des outils comme OpenTracing / Zipkin.

Le composant Istio nous a été présenté par David Gageot. Istio permet d’appliquer le pattern « façade » (ou sidecar) à son architecture micro-services au sein d’un environnement Kubernetes : un proxy HTTP Envoy est adossé à chaque micro-service, ce qui permet d’ajouter des traces, de monitorer, sans rien modifier dans son code ou son déploiement. Istio permet également de faire du TLS automatiquement entre les services, de router le traffic plus finement… David nous a fait une démo de canary deployment où un fix a été déployé pour un seul utilisateur en fonction d’une entête HTTP. Puis il a effectué un blue/green deployment, avec un routage d’une partie des requêtes vers la nouvelle version de l’application et une bascule progressive. Malgré l’effet démo subi par le speaker, cette conférence était très intéressante et Istio est vraiment prometteur.

Aurélien Loyer et Nathan Damie nous ont parlé de Javascript et des frameworks Javascript web. On a eu droit à une petite séance de pair-programming en live sur les bindings en Javascript via le « framework » Vanilla 🙂 Le message de fond est de démarrer simplement avec du pur Javascript, bien comprendre et spécifier son (éventuelle) problématique, et ensuite choisir (ou non) un framework qui colle rééllement à cette problématique.

Au niveau de l’organisation, c’était excellent, très bien organisé et fluide. Il y avait toujours de la place à condition d’arriver à l’heure dans l’amphi (quelques uns ont fini sur les marches, des souvenirs de début d’année en fac..) C’est également l’occasion de recroiser de nombreuses têtes rencontrées au détour de missions dans la région 🙂 Les sponsors proposaient de nombreuses animations, baby foot, bornes d’arcade, etc. On regrettera juste des soucis récurrents avec le projecteur de l’amphithéâtre principal qui a occasionné quelques coupures et slides tronqués. Globalement les présentations étaient de qualité avec des speakers au niveau.

On reviendra avec plaisir l’année prochaine !

Alexandre Vandekerkhove et Maxime Decronambourg

Tests automatisés d’api avec Karate

Dans le cadre de nos projets, nous sommes régulièrement amenés à définir et à développer des API et des services REST.

Nous avons à plusieurs reprises fait le choix d’utiliser Karate pour réaliser des scénarios de tests automatisés sur ce type de projet.

Karate est idéal pour mettre au point rapidement une série de tests représentant des enchaînements d’appels de services REST, de plus il s’intègre parfaitement avec l’ outil d’intégration continue Jenkins.

Nous allons voir comment écrire et organiser des scénarios de tests avec Karate, ainsi que son intégration à Jenkins.

Posons le contexte

Pour illustrer la réalisation de tests automatisés avec Karate, prenons l’exemple d’une api permettant à un client d’acheter des produits et de payer via une de ses cartes de paiements.

Notre api permet donc à nos clients:

1 – de créer un panier

POST /carts

2 – d’ajouter des produits dans le panier

POST /carts/{{cartId}}/items
{
  "itemId": '#(itemId)'
}

3 – de modifier la quantité des produits du panier

PUT /carts/{{id}}/items/{{itemId}}
{
  "quantity": '#(quantity)'
}

4 – de consulter son panier

GET /carts/{{cartId}}

5 – de récupérer ses moyens de paiements

GET /carts/{{cartId}}/wallet

6 – de payer le panier

POST /carts/{{cartId}}/payment?cardId={{cardId}}

Réalisons les scénarios réutilisables

Pensons réutilisabilité et commençons par créer 6 fichiers feature contenant chacun un scénario correspondant à une requête vers notre api.

Pour chaque requête, nous enregistrons le code de retour http et la réponse afin de pouvoir y accéder ultérieurement.

1 – Créer un panier

Fichier: createCart.feature

Feature: API - createCart

  Scenario: create a cart
    When url BASE_URL + '/carts'
    And request {}
    And method post 
    * def statusCode = responseStatus
    * def body = $

Ce scénario effectue une requête http POST sur /carts

2 – Ajouter des produits dans le panier

Fichier: addItemToCart.feature

Feature: API - addItemToCart

  Scenario: add an item to a cart
    When url BASE_URL + '/carts/' + cartId + '/items'
    And request
    """
    {
      "itemId": '#(itemId)'
    }
    """
    And method post
    * def statusCode = responseStatus
    * def body = $

Ce scénario effectue une requête http POST sur /carts/{{cartId}}/items

Il a deux paramètres:

  • cartId: identifiant du panier
  • itemId: identifiant du produit à ajouter au panier

3 – Modifier la quantité des produits du panier

Fichier: updateCartQuantity.feature

Feature: API - updateCartQuantity

  Scenario: update cart item quantity
    When url BASE_URL + '/carts/' + cartId + '/items/' + itemId
    And request
    """
    {
      "quantity": '#(quantity)'
    }
    """
    And method put
    * def statusCode = responseStatus
    * def body = $

Ce scénario effectue une requête http PUT sur /carts/{{id}}/items/{{itemId}}

Il a trois paramètres:

  • cartId: identifiant du panier
  • itemId: identifiant du produit à mettre à jour
  • quantity: nouvelle quantité pour le produit à mettre à jour

4 – Consulter son panier

Fichier: retrieveCart.feature

Feature: API - retrieveCart

  Scenario: retrieve a cart
    When url BASE_URL + '/carts/' + cartId
    And request {}
    And method get
    * def statusCode = responseStatus
    * def body = $

Ce scénario effectue une requête http GET sur /carts/{{cartId}}

Il a un paramètre

  • cartId: identifiant du panier

5 – Récupérer ses moyens de paiements

Fichier: getWallet.feature

Feature: API - getWallet

  Scenario: get wallet
    When url BASE_URL + '/carts/' + cartId + '/wallet'
    And request {}
    And method get
    * def statusCode = responseStatus
    * def body = $

Ce scénario effectue une requête http GET sur la ressource /carts/{{cartId}}/wallet

Il a un paramètre

  • cartId: identifiant du panier

6 – Payer le panier

Fichier: postPayment.feature

Feature: API - postPayment

  Scenario: Pay a cart
    When url BASE_URL + '/carts/' + cartId + '/payment'
    And param cardId = cardId
    And request {}
    And method post
    * def statusCode = responseStatus
    * def body = $

Ce scénario effectue une requête http POST sur /carts/{{cartId}}/payment

Il a deux paramètres

  • cartId: identifiant du panier
  • cardId: identifiant de la carte de paiement

Réalisons les scénarios de tests

Commençons par créer un nouveau fichier « feature » avec un block « Background » permettant de rejouer des instructions avant chaque scénario. Ici les instructions du block « Background » correspondent à la création d’un panier. Nous utilisons l’instruction call pour réutiliser les scénarios précédemment créés. Afin que l’identifiant du panier soit visible dans tous les scénarios, nous l’enregistons dans une variable cartId.

Feature: API

  Background:
    When def createCartResult = call read(createCart)
    Then match createCartResult.statusCode == 200
    * def cartId = createCartResult.body.id

Ajoutons un scénario qui vérifie simplement la bonne création d’un panier. La création du panier est effectuée dans le block Background, il est donc inutile de répéter cette opération dans le scénario.

  Scenario: Create a cart
    Then match createCartResult.body.status == 'IN_PROGRESS'
    And match createCartResult.body.items == []

Ajoutons un scénario qui teste la consultation d’un panier. Un nouveau panier est créé avant l’exécution du scénario grâce aux instructions du block Background

  Scenario: Retrieve a cart
    When def r = call read(retrieveCart)
    Then match r.statusCode == 200
    And match r.body.status == 'IN_PROGRESS'

Ajoutons un scénario qui vérifie l’ajout d’un article dans un panier.

  Scenario: add an item
    When def r = call read(addItemToCart) { itemId: 'XXX' }
    Then match r.statusCode == 200
    And match r.body.status == 'IN_PROGRESS'
    And match r.body.items[0].itemId == 'XXX'

Ajoutons un scénario qui ajoute un article au panier et vérifie la mise à jour de la quantité

  Scenario: add an item and update its quantity
    When def addItemToCartResult = call read(addItemToCart) { itemId: 'XXX' }
    Then match addItemToCartResult.statusCode == 200

    When def r = call read(updateCartQuantity) { itemId: '#(addItemToCartResult.body.items[0].itemId)', quantity: 3 }   
    Then match r.statusCode == 200
    And match r.body.status == 'IN_PROGRESS'
    And match r.body.items[0].quantity == 3

Ajoutons un dernier scénario qui ajoute un produit dans un panier, récupère une carte de paiement, utilise cette carte pour payer, vérifie l’état du panier et la création d’un ticket.

  Scenario: Pay a cart with a card
    # add an item to cart
    When def addItemToCartResult = call read(addItemToCart) { itemId: 'XXX' }
    Then match addItemToCartResult.statusCode == 200

    # retrieve a card
    When def getWalletResult = call read(getWallet)
    Then match getWalletResult.statusCode == 200
    * def cardId = getWalletResult.items[0].id

    # pay
    When def r = call read(postPayment) { cardId: '#(cardId)' }
    Then match r.statusCode == 200
    And match r.body.status == 'PAYMENT'
    And match r.body.payment == 
    """
    {
      "id": '#string',
      "creationDate": '#string',
      "status": "SUCCESS"
    """

    # check status FINISHED and ticket is available
    When def r = call read(retrieveCart)
    Then match r.statusCode == 200
    And match r.body.status == 'FINISHED'
    And match r.body.ticket == { ticketNumber: '#string', creationDate: '#string' }

Intégration avec Jenkins

Le plugin Cucumber Reports permet d’intégrer facilement nos scénarios Karate à Jenkins.

En utilisant un jenkins pipeline, il suffit d’ajouter dans son Jenkinsfile après son build:

cucumber fileIncludePattern: '**/target/surefire-reports/*.json'

Jenkins construira un reporting comme illustré ci-dessous:

karate-report1
karate-report2

Conclusion

Karate est un outil très efficace pour tester des api et des services rest.

Sa faculté à s’interfacer avec du code java et javascript est très utile pour ajouter des scripts et interagir avec d’autres outils comme Selenium Webdriver.

Enfin Karate reposant sur Cucumber, nous pouvons profiter des plugins Cucumber pour une intégration avec Jenkins.

Monitoring d’infrastructure avec la stack : Grafana – Telegraf – InfluxDb.

La mise en place du monitoring d’infrastructure est devenue essentielle pour écouter et surveiller ce qu’il se passe sur votre infrastructure (utilisation CPU, mémoire) ou le comportement des applications (Flux non envoyés, Build, Batch en échec, etc.).

Grâce à cela, on peut être plus réactif sur certaines anomalies et déclencher des actions en cas de problème.

Par exemple: Être alerté en cas d’utilisation anormale de CPU sur un serveur.

Dans le cadre d’une de nos missions en clientèle, nous avons mis en oeuvre une stack dédiée au Monitoring composée en plusieurs applications :

  • Grafana : Pour la présentation des informations de monitoring
  • Telegraf : Pour la collecte des données de monitoring
  • InfluxDb : Pour le stockage des données de monitoring

Cet article se propose de les décrire.

Grafana

Grafana

DashBoard Grafana

C’est un outil d’analyse des métriques et de dashboard. Il permet d’avoir une représentation des données à l’aide de différents graphiques.Un point fort de Grafana est qu’il est multi-datasource. Il est donc possible d’interroger une base InfluxDb, Graphique, ElasticSearch.

Une autre fonctionnalité importante de Grafana est l’Alerting. Il est, en effet, possible de notifier des anomalies lorsque des valeurs dépassent un certain seuil.

La notification peut se faire via plusieurs channels : Webhook – Mail – Slack etc…

InfluxDb

InfluxDb est un gestionnaire de base de données, open-source, orientée time-séries.

Il est conçu pour le stockage et la restitution de données de type métriques et événements et est développé par InfluxData (écrit en GO).

Telegraf

C’est un collecteur de données. Ces dernières sont récoltées de deux manières :

  • Soit en mode pull, dans ce cas, c’est Telegraf qui récupère la métrique.
  • Soit en mode push, la métrique est alors envoyée par une application via l’api exposée par Telegraf.

Chaque donnée récoltée est ensuite envoyée à InfluxDB.

L’application est décomposée en plugins ou chaque plugin permet de collecter une métrique en particulier.

Par exemple, un plugin permettant :

  • de faire du ping sur des serveurs,
  • de récupérer des infos depuis une base de données PostgersSQL,
  • d’obtenir les informations système d’un serveur,
  • etc…

Autres Outils

D’autres outils peuvent s’interfacer à cette stack afin de compléter le monitoring :

  • JMXTrans : C’est également un collecteur de données. Par contre, comme son nom l’indique, il est orientée dans la récupération des infos via JMX (Info JVM Tomcat par exemple). Les infos collectées  sont envoyées à InfluxDB.
  • Kapacitor : C’est un moteur de règle qui permet de définir des règles de déclenchement d’alertes. En le branchant à InfluxDB, les alertes déclenchées par les règles pourront être stockées. Kapacitor propose deux modes de fonctionnement:
    • Stream ⇒ InfluxDB pousse à Kapacitor les infos reçues. Ce dernier vérifie si une alerte doit être déclenchée via les règles définies dans le moteur.
    • Batch ⇒ Kapacitor interroge périodiquement InfluxDB et déclenche l’alerte si nécessaire.

Les alertes sont ensuite notifiées via différents Channels : Slack, Mail, Application tierce.

  • Alerta : Application tierce permettant de lister et d’afficher les alertes reçues soit par Kapacitor mais également par Grafana.

Alertes dans Alerta

Schéma technique

Schéma technique

Déploiement

Il est très facile de monter rapidement  cette architecture sur son poste via Docker.

En effet, un container existant pour chaque application de la stack, un simple docker-compose.yml suffit à monter et démarrer l’ensemble.

Voici un exemple de fichier:

déploiement docker

Liens

Enfin, nous vous proposons les liens suivants qui vous permettrons d’aller plus loin :

Grafana : https://grafana.com/

Telegraf : https://docs.influxdata.com/telegraf

InfluxDb : https://docs.influxdata.com/influxdb

Continuous Documentation – Exemple de mise en place

Parmi les livrables d’un projet, la documentation est celle qui assurera sa pérennité. Dans le cadre d’une application, la documentation technique est la garante des fonctionnalités disponibles, de leurs usages mais aussi de son architecture, son intégration et son déploiement. Par conséquent, la documentation est vouée à vivre au rythme de l’évolution de l’application, et trouve naturellement sa place aux côtés du code source de l’application. Ainsi, quels sont les outils les plus adaptés à la rédaction de la documentation pour la faire cohabiter avec les sources ?

La documentation au plus proche du code source

Tout d’abord, certains outils de gestion de sources – tel que GitHub et GitLab – proposent des fonctionnalités dédiées à la documentation comme un wiki intégré et l’interprétation des fichiers MarkDown et AsciiDoc, deux formats de texte pour la rédaction de documentations. Ces formats simples on l’avantage d’être de simples fichiers textes et sont par conséquent facilement exploitable dans un outil de gestion de sources, contrairement aux formats Word et LibreOffice. L’emplacement de la documentation technique est alors idéale car au plus proche de l’application : elle pourra évoluer et être versionnée en même temps que le code.

Cependant, cela ne convient pas à tous les usages : le référentiel de codes est rarement ouvert à tous en entreprise, et la consultation de la documentation via GitHub ou GitLab n’est pas toujours le format le plus adapté pour la consulter ou la partager. C’est pourquoi, des formats plus traditionnels comme le HTML ou le PDF sont souvent plus pratiques à l’usage, à la publication, éventuellement pour l’impression ou encore pour un classement dans une GED.

A l’instar de HTML/CSS, les documents MarkDown et AsciiDoc peuvent servir à la génération d’un document plus lisible et esthétique aux formats HTML ou PDF par exemple. En outre, AsciiDoctor est un outil pour convertir les documents AsciiDoc vers HTML, PDF ou encore DocBook.

asciidoctor

Générer la documentation à la construction de l’application

Intégrer la génération de la documentation avec la construction de l’application garantie la livraison d’une documentation à chaque version. Dans cette optique, le plugin asciidoctor-maven-plugin convertit les documents AsciiDoc pour les projets Maven. Les projets Gradle ne sont pas en reste et disposent d’un plugin équivalent : asciidoctor-gradle-plugin.

En ce qui concerne le plugin Maven, son utilisation est des plus simple :

  • déclarer le plugin dans votre fichier pom.xml,
  • placer votre documentation asciidoc dans src/main/asciidoc.

La documentation sera alors générée dans target/generated-docs en même temps que la construction du projet.

Exemple d’utilisation du asciidoctor-maven-plugin:
<plugin>
  <groupId>org.asciidoctor</groupId>
  <artifactId>asciidoctor-maven-plugin</artifactId>
  <version>1.5.3</version>
  <executions>
    <execution>
      <id>generate-docs-html</id> <!-- <2> -->
      <phase>prepare-package</phase>
      <goals>
        <goal>process-asciidoc</goal>
      </goals>
      <configuration>
        <backend>html</backend>
        <doctype>book</doctype>
        <attributes>
          <snippets>${snippetsDirectory}</snippets>
        </attributes>
      </configuration>
    </execution>
  </executions>
</plugin>

<1> Dépendances requises pour supporter le PDF.
<2> La première exécution du plugin génère la documentation en HTML.
<3> La seconde exécution génère la documentation en PDF.

 

Documenter les API REST

La documentation d’une API est une partie des plus fastidieuses. En effet, celle-ci décrit l’utilisation de chaque services – que ce soit la requête attendue ou la réponse qui sera émise – et les différents cas d’usage. Un travail d’autant plus pénible que les contrats de services seront amenés à évoluer au fur-et-à-mesure des versions.

Swagger et JSONDoc : solutions invasives

A cette fin, des outils tels que Swagger ou JSONDoc sont populaires. Ils agrémentent tous les deux vos API afin d’exposer votre documentation, exploitable ensuite à travers une interface Web. Séduisantes au premier abord, elles vous permettent également de tester directement vos API.

Néanmoins, ces solutions sont intrusives dans le code de votre application. D’abord, elles imposent de les embarquer dans votre application et ajoutent une surcouche à vos API même en production. De plus, leur fonctionnement implique d’insérer des annotations dédiées à la documentation au cœur même du code source, sur chaque services de l’API. Une idée séduisante initialement : avoir la documentation au plus proche du code. Malheureusement, cela tend rapidement à réduire la lisibilité du code, et limite la maintenance de la documentation uniquement aux développeurs.

Par ailleurs, ces outils ne répondent que partiellement au besoin de documentation des API REST, notamment ils ne permettent pas de décliner aisément les différents cas d’utilisation et se limitent à la seule description des services, des champs à renseigner ou des réponses. Ils n’adressent pas non plus les liens HATEOAS. Dernier mauvais point, ils ne peuvent pas être inclus dans une documentation traditionnelle comme un guide de l’utilisateur.

Spring RESTDoc : une approche via les tests

Pour ces motifs, Spring RESTDocs propose une autre approche qui combine les avantages d’une documentation écrite manuellement et de la documentation générée. Ainsi, ce framework s’introduit également dans votre application, mais uniquement dans la phase de tests : il n’introduira alors en aucun cas de désagrément à vos services en production. Il n’y sera même pas présent. Son fonctionnement reprend l’idée de s’inviter dans le code source de votre application pour être au plus près de vos API, mais contrairement à Swagger ou JSONDoc, le code de votre application n’est pas impacté. En effet, Spring RESTDocs vient enrichir vos tests unitaires !

Exemple de test unitaire incluant de la documentation:
this.mockMvc.perform(get("/user/5").accept(MediaType.APPLICATION_JSON))
        .andExpect(status().isOk())
        .andDo(document("index",
                responseFields( 
                        fieldWithPath("contact.email")
                                .description("The user's email address"), 
                fieldWithPath("contact.name").description("The user's name"))));

Dorénavant, lors de la construction du projet au moment où les tests seront exécutés, Spring RESTDocs générera des fichiers AsciiDoc contenant les requêtes et les réponses simulées lors du tests ainsi que les descriptions ajoutées dans les tests. Ensuite, ces documents pourront ensuite être inclus dans la documentation que vous avez produit pour décrire un cas d’usage. De cette façon, elle est non seulement plus lisible et plus détaillé, mais également toujours en concordance avec vos tests et par conséquent avec votre code.

Un projet exemple est disponible sur GitHub.

 

Création d’un Plugin JQuery : Input Prefix

Pour les besoins d’un projet, nous avons développé un plugin JQuery permettant d’ajouter un préfixe à valeur fixe dans les balises « Input ».

Il est alors impossible d’effacer, modifier ou couper ce préfixe…

Par contre il est toujours possible d’ajouter du texte après le préfixe, sans autres limitations que celles par défaut !

Plugin JQuery

Le plugin sur Github :

https://github.com/gfruleux/jquery-plugin-input-prefix

Demo sur Jsfiddle :

https://jsfiddle.net/97vuzwba/50/

Symfony 2 : Grande distribution

Pour le compte d’un client de la grande distribution, nous développons « from scratch » une application de gestion grâce au framework Symfony 2.

Une large liste de composants et une communauté très active, entres autres, font de ce framework une valeur sûre pour réussir vos projets.

Pour découvrir les avantages, cas d’usage, et bonnes pratiques de Symfony 2, contactez-nous et parlons PHP !

Symfony 2

Prototypage d’un gestionnaire d’événements REST-JSON : Grande Distribution

Notre client, acteur de la grande distribution, nous a sollicité pour une refonte de son SI. En effet, l’architecture logicielle actuelle ne permet plus de soutenir sa croissance.

Les 3 exigences exprimées par le client :

  1. Un référentiel de données d’entreprise centralisé
  2. Un fonctionnement autonome de ses agences locales : pouvoir faire des réservations et des ventes, même si le référentiel de données d’entreprise centralisé n’est pas accessible
  3. Un point d’accès unique aux données du référentiel par les différentes applications du SI

L’architecture préconisée par SALTO dans ce cadre :

  1. Mise en oeuvre d’un ERP (Apache OfBiz) pour la gestion du référentiel des données d’entreprise (Réponse exigence 1)
  2. Echanges inter applicatif gérés par un gestionnaire d’événements centralisé (basé sur les technologies NodeJS & MongoDB ) :
    • Abonnement des applicatifs du SI aux événements stockés par le gestionnaire d’événements pour synchronisation de leurs données (réponse exigence 2)
    • Mise à jour des données du référentiel centralisé par push d’événements (Création, Mise à jour) vers le gestionnaire de flux (réponse exigence 3)

SALTO a réalisé :

  1. Un prototype du gestionnaire d’événements en NodeJS / MongoDB
  2. Une démonstration de celui-ci à travers la mise en oeuvre de mouvements de stock sur 3 instances d’OfBiz (2 instances mettant à jour les stocks, une instance synchronisant et centralisant les stocks)

La suite :

  1. Centraliser et synchroniser les données B2C
  2. Migrer les données existantes ( ~ 500 000 occurrences) vers l’ERP « Référentiel de données » à travers le gestionnaires d’événements (pour test de montée en charge du gestionnaire d’événements)
  3. Réaliser des IHMs d’administration du gestionnaire d’événements