Tiefe Einblicke in moderne Software-Engineering, Architekturentscheidungen und technische Innovationen von unserem Team
9 Articles
Engineering Performance 11. Okt. 2026
31 % kleiner und bis zu 83 % schneller als LZ4
Ein Decoder, der die Blöcke von liblz4 bei 20 von 27 gemessenen Datenformen schneller liest als liblz4 selbst – plus ein optionales natives Format, das 31 % kleiner ist. Die Einführung beginnt mit einem einzigen geänderten Funktionsaufruf, gemessen auf vier Prozessoren, inklusive aller Verluste.
Der erste automatisierte Redis-Sentinel-Failover-Test – mit einer einzigen Annotation
Ein Master, zwei Replicas, drei Sentinels und ein korrektes Quorum – in einem JUnit-Test, aus einer einzigen Annotation. Layer 3 des Macstab Chaos Stack macht den Failover, den Ihr Cache-Code nie überlebt hat, zu einer deterministischen Assertion in der CI.
Ein NOP hat meine YARA-Regel nicht gebrochen. Eine einzige Encoding-Änderung schon.
Eine Untersuchung auf Byte-Ebene für Detection Engineers: Warum ein eingefügter NOP eine YARA-Hex-Regel intakt lässt, während eine einzige äquivalente x86-64-Encoding-Änderung sie aushebelt – reproduziert mit Aether 1.0.0 als Referenzimplementierung.
Aether: Nachweisen, dass Ihre Sicherheitskontrollen moderner Angriffsvariation standhalten
Ein statisches Testsample beweist nicht, dass eine Detection-Architektur bei einer anderen, aber äquivalenten Codeform standhält. Aether gibt Security-Teams ein kontrolliertes Lab-Framework, um x86-64-Varianten zu erzeugen, ihre Verhaltensgleichheit nachzuweisen und Erkennungslücken vor Angreifern sichtbar zu machen.
62 JDK-Interceptionpunkte: In-Process Chaos Engineering mit einem Java Agent
Ein Java Agent, der 62 JDK-Aufrufstellen mit ByteBuddy instrumentiert. Isolation pro Test-Session, Spring Boot 3/4 Auto-Wiring und nahezu null JIT-Overhead. Chaos Engineering, das inline in Ihrer JUnit-Testsuite läuft und den Build absichert.
Von Produktionsvorfällen zu JUnit 5-Annotationen: Ein dreistufiges Chaos-Testing-Framework
448 L1-Syscall-Primitive. 92 L2-Fault-Composites. 64 L3-Produktionsvorfallszenarien, kodiert als einzelne Annotationen. Ein JUnit 5-Erweiterungsframework, das Post-Mortems in CI-Gates für Spring Boot, Quarkus und Micronaut verwandelt.
Die vierte Phase des Testens: Warum Chaos Engineering in Ihre CI-Pipeline gehört
Unit-Tests, Integrationstests, Container-Tests — und jetzt Chaos-Tests. Wir haben einen dreischichtigen Chaos-Engineering-Stack in C99, Java und JUnit 5 gebaut, der Produktionsvorfälle in reproduzierbare CI-Gates verwandelt.
Kernel-echte Fehlerinjektion: Eine C99 LD_PRELOAD Chaos-Bibliothek für beliebige Prozesse
Sechs Fehlerdomänen, null Änderungen am Anwendungscode, beliebige ELF-Binärdateien. Eine C99-Chaos-Bibliothek, die libc-Aufrufe auf Ebene des dynamischen Linkers abfängt — und kernel-echte Fehler an Java, Go, Python, Node.js und alles dazwischen ausliefert.
Skalierbare Microservices bauen: Echte Patterns aus der Praxis
Ein praxisnaher Blick auf Microservices-Architektur - die Patterns die wirklich funktionieren, die Fallstricke die uns erwischt haben, und warum ein Monolith manchmal gar nicht so schlecht ist.
Wir verwenden Cookies, um Ihr Erlebnis auf unserer Website zu verbessern. Bitte wählen Sie Ihre Einstellungen unten.
Erforderlich
Diese Cookies sind für das ordnungsgemäße Funktionieren der Website unerlässlich. Sie beinhalten eine eindeutige Kennung (user_uuid) zur Verfolgung Ihrer Einwilligungspräferenzen gemäß DSGVO.
Immer aktiv
Analytik
Helfen Sie uns, unsere Website zu verbessern, indem Sie uns die Analyse Ihrer Nutzung erlauben. Wir verwenden Google Analytics zur anonymen Erfassung von Nutzungsstatistiken.
Funktional
Aktiviert Funktionen wie Live-Chat, Kalender und eingebettete Inhalte. Ermöglicht auch das lokale Speichern Ihrer Cookie-Einstellungen (consent_set) für ein verbessertes Nutzererlebnis.
