💔 Что происходит с рынком ИТ во всем мире?

Наткнулся на выходных на оч. интересный обзор с размышлением о том, что вообще происходит с рынком разработки. Почему происходит снижение числа вакансий в области программной инженерии? Все достаточно хорошо видно на графиках (zero Interest rates тут про околонулевые ставки центробанков)
🟢Количество активных объявлений о вакансиях разработчика программного обеспечения снизилось на 35% с января 2020 года.
🟢Раздел 174, вступающий в силу с 2023 года, может привести к сокращению рабочих мест разработчиков в США. Но не объясняют падение числа вакансий в Великобритании и Франции.
🟢В других отраслях, таких как банки и финансы, продажи, маркетинг, также наблюдается спад.
🟢Влияние генеративного ИИ: LLM могут заменить разработчиков, что приведет к сокращению числа вакансий.
🟢Изменения процентных ставок: конец "нулевых" процентных ставок влияет на экономику, но не объясняет полное падение числа вакансий.

Мнение о производительности и кадрах
🟢Компании, такие как Salesforce, заявляют о росте производительности за счет ИИ, но это может быть связано с увеличением продаж.
🟢Возможно, компании считают, что нанимали сотрудников слишком быстро и теперь сбавляют обороты.
🟢Linear и Bluesky нанимают сотрудников медленно и имеют небольшие инженерные команды, что показывает их эффективность.
🟢Возможно, создание продуктов будет проще для одного или двух инженеров благодаря языкам, таким как Typescript.
🟢LLM упрощают переход на разные стеки разработки.
🟢В 2023 году число инженеров-программистов сократилось впервые за 20 лет.
🟢Рост в технологической отрасли в этом году будет ниже, чем в предыдущие годы.

Оптимистичный прогноз
🟢LLM повышают индивидуальную и командную производительность.
🟢Может быть основано больше стартапов и традиционные компании могут перенести разработку внутрь.

Пессимистичный прогноз
🟢Программное обеспечение становится дешевле в производстве, но требуется меньше инженеров.
🟢Предприниматели могут не ухватиться за возможность создавать идеи более эффективно.

Влияние LLM на рынок труда
🟢LLM замедляют набор персонала в крупных компаниях.
🟢Стартапы предпочитают нанимать сотрудников медленнее.
🟢Неясно, сколько нового программного обеспечения будет создано не разработчиками.

Я больше верю в "эффект COVID" чем в эффект AI. Многие поверили в новый WFH мир, наняли слишком много кадров, а многие не относящиеся к IT резко захотели в IT. Сейчас же AI и LLM скорее это вера, а вот реальный пузырь в сфере разработки начинает сдуваться. Но я верю что все, кому это нравилось и кто шел не ради денег, найдут себе место в новом мире с AI

🆓 SharingGRDB: альтернатива SwiftData

Я достаточно подробно разбирал внутренности SwiftData в статье, ничего особенного в ней нет. Так что поиск особенного продолжается. В этот раз снова порадовали Pointfree своим решением по использованию SQL со SwiftUI и UIKit:
🟢Новая опенсорсная библиотека, объединяющая их Sharing и уже популярную GRDB.swift
🟢Предоставляет прямой доступ к SQLite, включая джоины и агрегации
🟢Может использоваться из UIKit, SwiftUI или просто @Observable
🟢Легкая замена SwiftData и @Query макроса
🟢Поддерживает сложные запросы через API построителя запросов GRDB

Чем мне нравятся решения от PointFree, так это документацией:
🟣Выборка данных
🟣Наблюдение за изменениями
🟣Подготовка SQLite
🟣Динамические запросы
🟣Сравнение с SwiftData

🖥 Разница между Task.sleep и Task.yield

Task.sleep()
🟢Приостанавливает выполнение задачи на заданный срок
🟢Не блокирует базовый поток, позволяя выполнять задачи с более низким приоритетом
🟢Выдает ошибку CancellationError при отмене задачи
💡Примеры использования: задержка пользовательского ввода, периодический опрос API, ограничение скорости сетевых запросов, искусственные задержки при тестировании

Task.yield()
🟢Приостанавливает выполнение текущей задачи, позволяя выполнять другие задачи
🟢Не оказывает влияния, если текущая задача имеет наивысший приоритет
💡Примеры использования: написание тестов для асинхронного кода, отслеживание хода выполнения тестируемого кода

Различия
🟢Task.sleep() приостанавливает выполнение на фиксированный срок, Task.yield() — только при наличии задач с аналогичным или более низким приоритетом
🟢Task.sleep() можно прервать с помощью отмены, Task.yield() возвращает только управление
🟢Оба метода не блокируют потоки

Вывод
🟣Task.sleep() и Task.yield() приостанавливают выполнение, но по-разному
🟣Task.sleep() подходит для большинства случаев, Task.yield() полезен при написании тестов для асинхронных методов

✔️ Как Things Cloud переписали под Server Side Swift

🔵Things Cloud, персональный менеджер задач, перешел на Swift для улучшения производительности и надежности.
🔵Устаревший облачный сервис на Python 2 и Google App Engine страдал от медленного времени отклика и высокой загрузки памяти.
🔵Swift был выбран из-за своей производительности, предсказуемого управления памятью и совместимости с C и C++.
🔵Swift используется для разработки серверной части, используют Vapor + SwiftNIO.
🔵Развертывание на AWS с использованием Terraform и K8S.
🔵Данные хранятся в Amazon Aurora MySQL и S3, эфемерные данные — в Redis.
🔵Мониторинг осуществляется с помощью Swift и Prometheus, инциденты обрабатываются через Amazon CloudWatch.

Результаты и выводы
🟢Swift показал высокую производительность и экономичность, сократив вычислительные затраты и время отклика (напоминаю, переписывали с Python)
🟢Новая система была протестирована в реальных условиях, что подтвердило ее надежность.
🟢Swift рекомендуется для серверно-ориентированных проектов, особенно с учетом инициативы по повышению функциональной совместимости Java.

У меня только один вопрос: как они пришли к решению использовать Swift для сервера... Но опыт очень интересный

📊 Цифровой рыночный индекс

Если кто-то вас спросит, почему стоит запускать пилот приложения сначала на iOS, можете смело ссылаться на эту аналитику:
🟡iOS остается ведущей платформой по монетизации, с доходом 27.5 миллиарда долларов.
🟡В 4 квартале 2024 года доход от покупок в приложениях (IAP) на iOS и Google Play достиг 39.4 миллиарда долларов, что на 13.5% больше, чем годом ранее.
🟡Доход от IAP в неигровых приложениях вырос на 28.2% и составил 19.2 миллиарда долларов.
🟡Доходы от мобильных игр стабилизировались после нескольких лет нестабильности, достигнув 20.2 миллиарда долларов.
🟡ИИ продолжает способствовать росту неигрового пространства, особенно в категории «Производительность».
🟡Доходы от IAP в приложениях с генеративным ИИ выросли на 179% по сравнению с прошлым годом.
🟡TikTok достиг рекордной отметки дохода в 1.9 миллиарда долларов