Amazon CodeGuru 客户

Amazon CodeGuru 帮助 Cognizant 开发团队为我们客户的数字化转型计划交付关键业务软件。在我们的开发工作流中整合 CodeGuru 后，能够改善并自动完成代码审核，帮助我们的 DevOps 团队主动识别和修复功能和非功能问题，并确保部署超出各行业和区域的客户对性能、安全性和合规性的要求。

我们未来路线图的一个重要组成部分是将所有产品转变为云原生产品，以利用 AWS 上的一系列出色的托管服务。对旧式的本地体系结构进行重新构建并将其转换到云中，将带来一系列工程挑战，从与所有最新服务保持同步到适应与这些体系结构相关的范式转变。CodeGuru 是一款极为有价值的工具，可帮助优化我们产品的性能，同时确保我们在利用这些服务时能够借鉴现有的全部最佳实践。如果没有像 CodeGuru Reviewer 这样的工具，我们就无法将像 FogBugz 这样的产品整个重新编写为 AWS 云原生产品。我们现在正在使用 CodeGuru Profiler 来优化许多产品，包括 EngineYard 基于容器的“无运营”平台以及下一代 Jive 协作平台。

Amazon CodeGuru Reviewer 帮助我们为开发人员建立了一个反馈循环，并提升了我们代码的总体质量。由于它采用新的定价模式，更加方便我们编制预算并进行实施，从而将其添加到我们的软件开发流程中。我们现在可根据项目规模和部署时间表来扩展代码审查。

创建高性能系统以及提供对现有系统的反馈和持续改进是应用程序开发的一部分。应用程序开发始于强大的架构基础，但通常要以应用程序代码的细节为终点。当 EagleDream 的团队深入研究这些细节时，我们发现了许多可以使用的工具，我们还发现同时使用静态和动态分析非常有帮助。我们发现，CodeGuru Profiler 提供的运行时分析是运行最简单、最快速的方法之一，它还可以生成对应用程序代码的见解，用于轻松修复代码。借助此工具，我们能够快速解决应用程序中产生的难以发现的瓶颈部分，然后开发出可以通过快速反馈循环进行实施和测试的更改。这使我们能够不断交付和改善自身与客户的工作负载，使工作负载更加高效，同时节省成本。

借助 CodeGuru，我们直接在管道中建立了自动化的代码审查，这意味着我的团队能够更快速、更自信地部署代码。我们使用 CodeGuru Reviewer 基于机器学习和自动化推理的建议，从而专注于修复和改进代码，无需手动查找缺陷。增加对 Python 的支持让 CodeGuru 对我们甚至更为方便。

质量差的代码会增加系统的复杂性，并且在某些时候可能会成为技术负债。另一方面，只要保持一致的代码质量，对系统进行缩放就不会阻碍开发人员扩展功能，因为代码本身就很简单。在 RENGA 中，代码审核过程很重要，但是，它不应增加审核者的工作量或成为开发的瓶颈。在机器学习的支持下，Amazon CodeGuru Reviewer 可帮助我们实现自动代码审核，并减少审核者所需的工作量。我们可以将 Amazon CodeGuru Reviewer 无缝集成到我们现有的开发管道中。此外，学习我们并不了解的最佳编码实践有助于我们更加自信地进行开发。

Amazon CodeGuru Profiler 使用起来非常简单，但非常有价值。我们对性能最差的服务进行了优化，将典型工作日中 95% 的延迟降低了 15%。