L'auteur explique pourquoi Ruby on Rails est devenu, presque par hasard, le framework parfait pour travailler avec des LLM (Large Language Models). Grâce à ses conventions strictes (Convention over Configuration), sa structure prévisible et son langage Ruby proche du naturel, Rails permet aux IA de comprendre et modifier le code sans instructions détaillées. Un exemple concret montre comment un LLM a ajouté un champ à un modèle Rails en quelques minutes, simplement en suivant les conventions connues. L'auteur souligne aussi l'efficacité de Rails pour l'IA : centralisation du schéma de données dans schema.rb, code déclaratif et dense, et Hotwire pour une interactivité côté serveur simplifiée. En résumé, Rails amplifie l'expertise collective des développeurs tout en réduisant les risques d'erreurs pour les IA.
Ludovic Frank partage plusieurs contrôleurs Stimulus prêts à l’emploi, utilisables aussi bien avec Symfony (via Symfony-UX) qu’avec Ruby on Rails. L’article détaille comment charger ces contrôleurs de manière asynchrone pour optimiser les performances, et propose des exemples concrets : un bouton qui se cache lors de la navigation dans une Turbo Frame, un accordéon avec DaisyUI, une intégration de carte OpenFreeMap (LFMaps) chargée à la demande, et une mise à jour du contrôleur intl-tel-input pour la gestion des numéros de téléphone internationaux. Il souligne aussi l’intérêt de la stack Hotwired (Stimulus + Turbo), commune aux deux frameworks, et mentionne la bibliothèque Stimulus Components pour des composants supplémentaires. Une ressource utile pour enrichir rapidement le front-end de vos applications
L'article détaille la stack technique de Shopify, révélant comment la plateforme gère une échelle massive avec une architecture qui semble simple en surface, mais qui est en réalité le résultat de décisions architecturales astucieuses et de nombreuses années de refactoring. Shopify utilise principalement Ruby on Rails pour son backend, avec des investissements significatifs dans des outils comme YJIT et Sorbet pour améliorer les performances et la sécurité du typage. Le frontend est principalement construit avec React et TypeScript, tandis que React Native est utilisé pour le développement mobile. Shopify s'appuie sur MySQL pour sa base de données principale, avec des stratégies de sharding et de pods pour assurer l'isolation et la scalabilité. Kafka est utilisé pour la messagerie et la distribution d'événements, tandis que des outils comme Memcached et Redis sont utilisés pour le caching et la gestion des files d'attente. L'infrastructure ML de Shopify utilise des embeddings pour la recherche en temps réel et des pipelines de données basés sur Apache Beam. La plateforme est déployée sur Kubernetes, avec des processus CI/CD robustes et des outils d'observabilité pour assurer la fiabilité et la sécurité. Shopify traite des milliards de requêtes par jour, démontrant l'efficacité de sa pile technologique à grande échelle.
Tout est dans le titre
Tout est dans le titre
Tout est dans le titre
Tout est dans le titre
Tout est dans le titre
Tout est dans le titre
Tout est dans le titre
Retour d’expérience sur le passage à l’échelle d’un monolithe. Doctolib
Tout est dans le titre
Un howto très complet sur l'installation de Ruby on Rails.... il s'applique donc à d'autres gems :)
Tout est dans le titre
Il s'agit d'un outil pour Ruby On Rails.
Tout est dans le titre
Tout est dans le titre
Tout est dans le titre
Retour sur les talks à propos de dégemification, webpack et docker