Ideas clave
Trata el software como un sistema de larga vida, no como un acto de programación terminado.
El código tiene una vida útil. La programación produce código; la ingeniería de software también lo hace mantenible durante todo el tiempo que deba aportar valor. Eso puede significar horas o décadas, y las prácticas adecuadas varían en consecuencia. El libro considera sostenible el software cuando sus responsables pueden responder a cambios valiosos en la tecnología, las dependencias, las necesidades de seguridad o el rumbo del producto. No tienen que hacer todos los cambios, pero sí conservar la capacidad de hacerlo.
Planifica para el cambio. Google lo aprendió a través de actualizaciones dolorosas, incluida una migración de compilador en 2006, después de unos cinco años sin ninguna. Se habían acumulado supuestos ocultos, pocos ingenieros sabían cómo gestionar el trabajo y hubo que afrontar de golpe varios años de cambios. Las actualizaciones periódicas y más pequeñas permiten adquirir experiencia y abaratan los cambios futuros.
El giro central consiste en dejar de tratar el software como un artefacto y empezar a verlo como un compromiso institucional continuo. Esto se parece a la ingeniería de infraestructuras, donde el costo de inspeccionar, reparar y, a la larga, sustituir un sistema debe incluirse en el diseño original, no aparecer como una partida presupuestaria inesperada para un equipo futuro. La idea resulta especialmente útil porque la duración de los proyectos suele ser incierta. Aun así, la sostenibilidad no debería convertirse en una exigencia de preservar todos los sistemas para siempre. Un sistema puede ser técnicamente mantenible y haber dejado de merecer el esfuerzo. La capacidad de cambiar también incluye la de retirar.
Da por sentado que cualquier comportamiento visible puede convertirse en un contrato no documentado para alguien.
El uso escribe el contrato real. La Ley de Hyrum (Hyrum’s Law) es la observación de que, cuando una interfaz tiene suficientes usuarios, alguien acabará dependiendo de casi cualquier comportamiento observable, esté prometido o no. Puede que una tabla hash no garantice oficialmente un orden de iteración estable, pero aun así un cliente puede depender del orden que produce en la práctica. Una biblioteca que serialice esos valores puede propagar esa dependencia accidental a otros sistemas.
Los cambios tienen un radio de impacto. Cuantos más usuarios haya, más investigación y reparaciones harán falta cuando cambie el comportamiento. Las interfaces claras ayudan a indicar qué debería mantenerse estable, pero no pueden eliminar los usos inesperados. Antes de cambiar una interfaz, sus responsables deben sopesar el beneficio previsto frente al costo práctico de encontrar y reparar los problemas en todos sus usuarios.
Esto corrige de manera útil la reconfortante creencia de que la documentación basta para controlar una interfaz. En sistemas complejos, la dependencia práctica nace de la observación, la costumbre y la conveniencia, no solo de las promesas formales. El mismo patrón aparece en las organizaciones: los procedimientos informales se vuelven vinculantes en la práctica porque la gente organiza su trabajo en torno a ellos. El principio no significa que haya que congelar todo comportamiento accidental. Significa que los cambios de interfaz requieren pruebas sobre el uso real y una vía de migración, no solo confianza en el contrato publicado.
Comparte pronto el trabajo inacabado para que el conocimiento y los errores se difundan de forma segura.
El genio solitario es un modelo operativo deficiente. El capítulo cuestiona la fantasía del genio aislado y señala que Linux pasó de ser un núcleo inicial a convertirse en un vasto proyecto colaborativo. Compartir pronto permite que los colegas detecten supuestos equivocados antes de que se conviertan en meses de trabajo pulido. También aumenta el factor autobús (bus factor): cuántas personas tendrían que desaparecer para que un proyecto corriera un grave peligro. La documentación, la responsabilidad compartida y la mentoría ayudan a evitar que la experiencia resida en la cabeza de una sola persona.
Haz que sea seguro hacer preguntas. La seguridad psicológica significa que las personas pueden admitir que tienen dudas, hacer preguntas básicas y aprender sin esperar humillaciones ni castigos. Los equipos la construyen mediante revisiones respetuosas, respuestas pacientes y líderes que reconocen lo que no saben. Las guías escritas permiten difundir el conocimiento, mientras que los expertos ayudan a quienes aprenden a encontrar el contexto adecuado.
El capítulo presenta la colaboración como un mecanismo de fiabilidad, no como una simple cortesía social. Distribuir el conocimiento entre personas y documentación hace que el equipo sea menos vulnerable a la rotación de personal y mejora la detección de errores. Esto coincide con la ingeniería de resiliencia, que valora disponer de varias formas de detectar y recuperarse de los fallos. Sin embargo, la retroalimentación temprana no siempre ayuda: la crítica puede aplastar una idea incipiente o favorecer a quien habla más alto. Los equipos necesitan normas que hagan que los comentarios sean oportunos, específicos y proporcionales, y que a la vez permitan trabajar en solitario con concentración.
Diseña junto con las personas afectadas, sobre todo con aquellas que tu equipo tiene menos probabilidades de tener en cuenta.
Los sesgos se cuelan por las opciones predeterminadas. En 2015, Google Photos etiquetó erróneamente como gorilas imágenes de personas negras. El libro vincula el fallo con datos de entrenamiento poco representativos, una plantilla que no reflejaba a todos los usuarios y pruebas que no detectaron el daño antes que los propios usuarios. Carencias similares pueden afectar al reconocimiento facial, las videollamadas y otros productos. La destreza técnica por sí sola no puede compensar la falta de perspectivas ni una evaluación incompleta.
Integra la equidad en el proceso. Los equipos deberían incorporar perspectivas diversas, investigar a usuarios con distintas capacidades y procedencias, y examinar si la contratación, la retención y los ascensos son justos. El capítulo también insta a los ingenieros a cuestionar las medidas que parecen neutrales. En un sistema interno de movilidad, se descubrió que las evaluaciones de desempeño describían cómo le iba a alguien en su puesto actual, pero no predecían de forma fiable cómo rendiría en otro equipo.
La implicación metodológica más importante es que la equidad no es una revisión final, sino una propiedad de quién participa, qué datos se recopilan y qué resultados se miden. Esto recuerda al diseño de sistemas críticos para la seguridad, donde probar únicamente con el usuario y el entorno previstos deja puntos ciegos previsibles. La representación es esencial, pero no basta: los equipos diversos también pueden heredar conjuntos de datos sesgados, incentivos problemáticos o presiones de implementación. Los equipos de producto necesitan tanto una participación más amplia como mecanismos explícitos para detectar errores y daños desiguales.
Multiplica el liderazgo delegando decisiones, conocimientos especializados y responsabilidad.
Lidera sirviendo. Un gerente de ingeniería es responsable de la eficacia y el bienestar del equipo; un líder técnico orienta las decisiones técnicas y la ejecución. En un equipo pequeño, una persona puede desempeñar ambos papeles, pero a medida que el grupo crece, las exigencias suelen justificar que se separen. Los líderes eficaces eliminan obstáculos, fijan objetivos claros y confían en que los ingenieros capaces elijan cómo hacer el trabajo. Delegar quizá lleve más tiempo hoy, pero prepara a las personas para encargarse del trabajo mañana.
Forma un equipo que funcione sin ti. A mayor escala, el liderazgo consiste menos en resolver todos los problemas técnicos y más en tomar decisiones, formar a otros líderes y reducir la dependencia de una sola persona. La prueba práctica que propone el libro es si el equipo sigue avanzando cuando su líder está ausente. Si no es así, la responsabilidad y el conocimiento están demasiado concentrados.
Esta es una teoría del liderazgo como creación de capacidad. El resultado de un líder no se limita a las decisiones que toma personalmente, sino que incluye las decisiones futuras que otras personas puedan tomar bien. Esto se relaciona con el diseño organizativo: la autoridad sin transferencia de conocimientos crea un cuello de botella, mientras que la autonomía sin objetivos claros lleva a la deriva. Delegar también tiene límites. Algunas crisis exigen intervenir directamente, y algunos equipos no tienen la experiencia necesaria para trabajar de forma independiente. Un liderazgo sólido calibra el apoyo según la capacidad, en vez de tratar el control o la gestión distante como virtudes universales.
Mide el trabajo que la gente valora, no solo lo que las herramientas pueden contar.
Empieza por una decisión. Los investigadores de productividad de Google primero preguntan qué acción se tomaría como consecuencia de un resultado. Si nadie va a cambiar de rumbo, medir quizá sea un esfuerzo inútil. Luego aplican el marco Objetivos, Señales y Métricas: definen el resultado deseado, identifican indicios que lo señalarían y eligen indicadores medibles. Para la productividad en ingeniería, QUANTS recuerda a los equipos que consideren la calidad del código, la atención de los ingenieros, la complejidad intelectual, el ritmo y la velocidad, y la satisfacción.
Triangula indicios imperfectos. Un estudio del programa de revisiones de legibilidad combinó encuestas con registros de revisión de código. Los ingenieros que habían completado el programa dijeron haber aprendido y estar más satisfechos, y sus cambios se revisaban y enviaban más rápido. Los investigadores no fingieron que los registros o los autoinformes midieran directamente la calidad del código. Usaron distintas fuentes de evidencia para comprobar si el indicador correspondía a la pregunta.
La mejor salvaguarda del marco consiste en negarse a confundir una métrica con aquello que se valora. Esto importa porque medir cambia el comportamiento: cuando un indicador se convierte en objetivo, la gente puede optimizar la cifra y perjudicar el trabajo subyacente. El enfoque también se parece a los métodos de investigación mixtos, donde los patrones cuantitativos muestran la escala y los testimonios cualitativos explican los mecanismos. Su punto débil es el costo. Una medición cuidadosa puede retrasar una decisión, y algunas decisiones implican valores difíciles de cuantificar con precisión. El buen criterio no sustituye a los datos, pero los datos tampoco pueden decidir por sí solos qué valores priorizar.
Construye pruebas que inspiren confianza por su rapidez, claridad y fallos pertinentes.
Las pruebas permiten cambiar. Las pruebas automatizadas hacen más que detectar defectos: vuelven más seguros la refactorización, las actualizaciones y los lanzamientos frecuentes. En cierta época, más del 80 por ciento de las implementaciones del servidor web de Google Search contenían errores que afectaban a los usuarios. Después de que el equipo exigiera pruebas para el código nuevo y las ejecutara de manera continua, las implementaciones de emergencia se redujeron a la mitad en un año, aunque el ritmo de cambios aumentó. El libro recomienda muchas pruebas acotadas y rápidas, complementadas con pruebas de integración y de extremo a extremo cuando aporten la cobertura necesaria.
Protege la confianza en la señal. Las pruebas deben estar aisladas, ser comprensibles y estables. Una prueba inestable, que a veces falla sin que haya un cambio pertinente en el código, enseña a los ingenieros a ignorar los fallos. Google informa de una tasa de inestabilidad cercana al 0,15 por ciento y advierte que acercarse al 1 por ciento puede minar la confianza. Las pruebas deberían comprobar el comportamiento visible para los usuarios, no detalles frágiles de implementación, y fallar por motivos significativos.
El capítulo presenta el conjunto de pruebas como un sensor organizativo. Un sensor ruidoso no solo resulta molesto: también cambia la manera en que la gente responderá a futuras alarmas. Por eso, la claridad y fiabilidad de las pruebas forman parte de la seguridad del sistema, no son un mero detalle estético. La pirámide de pruebas sugerida es un buen punto de partida, no una ley universal: las arquitecturas con comportamientos distribuidos quizá necesiten más pruebas de integración, y los sistemas de alto riesgo pueden justificar comprobaciones más lentas. La condición central es que la confianza llegue lo bastante pronto como para influir en la decisión que debe respaldar.
Automatiza la coherencia cuando reduzca la coordinación, no cuando elimine criterios valiosos.
La coherencia multiplica el rendimiento. Las convenciones compartidas facilitan la lectura del código a ingenieros que no lo conocen y permiten que las herramientas funcionen en muchos proyectos. El formateador de Go de Google, gofmt, convirtió el formato en una cuestión resuelta y aplicada por una máquina, en vez de un debate recurrente en las revisiones. Los sistemas de compilación basados en artefactos, como Bazel, también restringen el uso de scripts de compilación arbitrarios: los ingenieros declaran qué quieren compilar y el sistema se ocupa de la planificación, el almacenamiento en caché y la reproducibilidad.
Incorpora el conocimiento al flujo de trabajo. Las revisiones de código, el código fuente consultable, la documentación con responsables y el análisis automatizado ayudan a los ingenieros a encontrar ejemplos y aplicar prácticas comunes. Estos mecanismos funcionan mejor cuando las reglas tienen un propósito claro y las comprobaciones rutinarias están automatizadas. El criterio sigue siendo importante para cuestiones como si una API se entiende bien o si un cambio es demasiado complejo. La uniformidad es valiosa cuando reduce fricciones, no cuando se convierte en un fin en sí misma.
Este es un argumento a favor de reducir selectivamente las opciones. La estandarización puede disminuir la carga cognitiva y facilitar la automatización, del mismo modo que los protocolos compartidos permiten interoperar a sistemas independientes. Pero una regla que ayuda en un repositorio enorme puede ser una carga para un equipo pequeño que apenas necesita reutilización o coordinación. La pregunta útil no es si la coherencia es buena en general, sino qué variaciones generan costos recurrentes. Automatiza las decisiones mecánicas; conserva el criterio humano allí donde el contexto, el impacto en los usuarios o la calidad del diseño no puedan plasmarse en una regla fiable.
Considera las dependencias externas obligaciones a largo plazo, no código gratuito.
Una dependencia trae trabajo futuro. Las bibliotecas de terceros pueden ahorrar tiempo de desarrollo, pero también introducen riesgos de seguridad, mantenimiento y compatibilidad. El versionado semántico, o SemVer, etiqueta las versiones como cambios mayores, menores o de parche para indicar la compatibilidad esperada. Esa señal no es más que una estimación: los supuestos ocultos de los usuarios pueden hacer que una actualización supuestamente segura rompa sistemas reales, mientras que un cambio de versión mayor puede bloquear a usuarios cuyo código en realidad seguiría funcionando.
Limita las versiones disponibles. Las distintas versiones de una biblioteca pueden crear dependencias en diamante, en las que dos componentes requieren versiones incompatibles del mismo paquete subyacente. La regla de una sola versión (One-Version Rule) de Google pretende evitarlo ofreciendo a los ingenieros una sola versión de la que depender. Los autores también describen usar siempre la versión más reciente (Live at Head), un enfoque propuesto en el que los proveedores prueban los cambios con los usuarios posteriores que pueden ver, en vez de depender sobre todo de las etiquetas de versión. Para ello hacen falta pruebas sólidas y una coordinación considerable.
La crítica del libro es valiosa porque los números de versión comprimen la incertidumbre en una etiqueta engañosamente ordenada. En la práctica, la compatibilidad es relacional: un cambio es seguro o inseguro para determinados usuarios y usos. Live at Head intenta sustituir la predicción por evidencia observada, un cambio prometedor hacia la verificación continua. Sin embargo, sus supuestos son exigentes. Los usuarios de código cerrado, las pruebas incompletas y la capacidad de cómputo limitada hacen que las pruebas con usuarios posteriores sean desiguales. Las organizaciones deberían considerarlo una orientación para ecosistemas con visibilidad y recursos, no un sustituto universal de las versiones publicadas.
Deja las migraciones en manos de equipos expertos y sus herramientas, no de los equipos clientes.
La obsolescencia necesita responsables. Retirar sistemas obsoletos reduce la duplicación del mantenimiento y la complejidad, pero rara vez basta con un aviso y una fecha límite para que todos los usuarios migren. El libro distingue entre la declaración de obsolescencia consultiva, que fomenta el cambio voluntario, y la obligatoria, que cuenta con un esfuerzo de migración dotado de personal y una fecha de retirada que se hace cumplir. Los avisos deberían aparecer cuando sean pertinentes y ofrecer pasos siguientes concretos; de lo contrario, los usuarios aprenderán a ignorarlos.
Gestiona las migraciones a gran escala. Los cambios a gran escala (Large-scale changes, o LSC) de Google utilizan automatización para aplicar modificaciones relacionadas en muchos proyectos y luego dividen el trabajo en cambios más pequeños que se pueden probar y revisar. Una migración sustituyó más de 500.000 referencias a un puntero inteligente de C++; en su punto máximo, generó más de 700 cambios y afectó a más de 15.000 archivos al día. Así, los expertos en infraestructura podían aplicar conocimientos compartidos en vez de pedir a cada equipo dependiente que redescubriera el problema.
El trabajo centralizado de migración internaliza un costo que, de otro modo, aparecería como mantenimiento disperso y no remunerado en los equipos clientes. Esto se parece a las obras públicas especializadas: un equipo capacitado puede reparar un sistema compartido con más coherencia que cada residente improvisando una solución. El enfoque depende de una automatización fiable, una responsabilidad clara y financiación suficiente. Los equipos centrales también pueden interpretar mal el contexto local, así que las herramientas de migración necesitan mecanismos para recibir comentarios y escalar problemas. La clave no es centralizar el control por sí mismo, sino asignar el trabajo recurrente al grupo mejor preparado para hacerlo.
Publica lotes pequeños para que los fallos queden acotados y sean reversibles.
Los lanzamientos frecuentes reducen el tamaño del misterio. En cierta época, a Google Search le costaba lanzar versiones con más frecuencia que semanalmente; un esfuerzo sostenido hizo que los lanzamientos fueran previsibles cada dos días. Los cambios más pequeños facilitan localizar las regresiones y entregar correcciones. La entrega continua consiste en preparar versiones candidatas y probarlas en distintos entornos, a veces hasta llegar a producción. Las banderas de funcionalidad pueden mantener inactiva la funcionalidad inacabada mientras su código se integra y se prueba.
Usa evidencia y exposición gradual. Los equipos pueden desplegar un cambio para una pequeña proporción de usuarios, vigilar las métricas de estado y ampliarlo solo si los resultados lo respaldan. Los experimentos pueden comparar una versión nueva con una de referencia, mientras que la reversión restablece un estado conocido y bueno. Desplegar con frecuencia no significa exponer de inmediato a los usuarios a cada cambio. Significa tener la capacidad de publicar de forma segura y elegir después un despliegue gradual que se ajuste al producto y a sus usuarios.
Los lotes pequeños mejoran tanto el diagnóstico como el aprendizaje: reducen el número de posibles causas cuando algo sale mal y acortan la distancia entre una decisión sobre el producto y los comentarios de los usuarios. Esto se parece a la gestión incremental del riesgo en otros campos de la ingeniería. Sin embargo, la velocidad no es intrínsecamente segura. Un proceso de lanzamientos mal instrumentado puede distribuir los fallos con mayor rapidez, y las propias banderas crean riesgos de configuración y rutas de código obsoletas. El principio funciona cuando se combina con pruebas fiables, métricas observables del estado del sistema, capacidad de reversión y una decisión explícita sobre cuánta exposición es aceptable.
Análisis
El argumento central del libro es que la calidad del software no reside únicamente en el código. Surge de la relación entre el código, el tiempo, las personas, las reglas organizativas y las herramientas operativas. Su cambio conceptual más útil consiste en tratar el cambio como una condición normal que los sistemas de ingeniería deben poder asimilar. Esto replantea las pruebas, la documentación, la revisión de código, las políticas sobre dependencias y el liderazgo como inversiones interrelacionadas en la adaptabilidad futura, en lugar de considerarlas buenas prácticas aisladas.
Google ofrece ejemplos especialmente ilustrativos porque su entorno amplifica los costos de coordinación: un repositorio compartido, decenas de miles de ingenieros y sistemas que se espera que perduren durante años. Por eso, los ejemplos no son recetas que deban copiarse íntegramente. La lección aplicable a otros contextos es identificar el trabajo recurrente y crear un mecanismo que lo haga más seguro y menos costoso a medida que crece la participación. Las migraciones automatizadas, las compilaciones estandarizadas y las pruebas continuas responden a presiones específicas de escala; no demuestran que todas las organizaciones necesiten la infraestructura de Google.
El libro también pone de manifiesto una tensión entre la coherencia y la autonomía local. Las reglas comunes permiten compartir herramientas y facilitan la movilidad, pero una uniformidad excesiva puede ocultar diferencias importantes entre productos, usuarios y riesgos. Las prácticas más sólidas preservan la capacidad de decisión allí donde importa el contexto y, al mismo tiempo, automatizan el trabajo repetitivo y bien entendido. La equidad, por ejemplo, no puede reducirse a un formateador ni a una lista de verificación, pero sí puede integrarse en la investigación, la recopilación de datos, la revisión y la rendición de cuentas.
Otra idea importante es que la sostenibilidad incluye la capacidad de detenerse. Los sistemas de larga vida necesitan vías de actualización, pero también procesos de obsolescencia responsables y una titularidad clara. De lo contrario, las dependencias acumuladas convierten en permanentes todas las decisiones del pasado. El resultado es una teoría práctica del aprendizaje institucional: hacer explícitos los supuestos, probar pronto los cambios, distribuir el conocimiento, medir las consecuencias y revisar las decisiones cuando cambian las evidencias. Las herramientas importan porque permiten repetir esos hábitos, no porque la tecnología pueda reemplazar el criterio.
Resumen de reseñas
Ingeniería de software en Google recibe críticas mayormente positivas, con una valoración media de 4,2/5. Los lectores aprecian las ideas sobre las prácticas y la cultura de ingeniería de Google. Muchos valoran el tratamiento de temas como las revisiones de código, las pruebas y los cambios a gran escala. Algunos critican que el enfoque esté centrado en Google y que falten detalles prácticos de implementación para empresas más pequeñas. Se elogia la exploración exhaustiva de los principios de ingeniería de software, aunque algunos capítulos se consideran menos atractivos. En general, se recomienda tanto a ingenieros con experiencia como a quienes recién empiezan en el campo.
También leyeron
Glosario
Ley de Hyrum (Hyrum’s Law)
La conducta observada genera dependenciasEl principio de que, cuando un sistema tiene suficientes usuarios, alguien dependerá de cualquier conducta que pueda observar, forme parte o no del contrato de interfaz declarado. Explica por qué los cambios aparentemente inocuos en conductas no documentadas pueden causar fallos, sobre todo en bibliotecas de uso extendido y sistemas de larga duración.
sostenibilidad del software
Capacidad de adaptarse con el tiempoUn proyecto de software es sostenible cuando sus responsables pueden responder a cambios valiosos durante la vida útil prevista del software. Esos cambios pueden afectar a la tecnología, las dependencias, la seguridad o los requisitos del producto. La sostenibilidad no exige realizar todos los cambios posibles; exige conservar la capacidad práctica de llevar a cabo de forma segura los cambios que valen la pena.
factor autobús (bus factor)
Personas cuya ausencia pone en riesgo el trabajoEl número de personas que tendrían que dejar de estar disponibles para que un proyecto corriera un grave peligro de fracasar. Un factor autobús bajo indica que el conocimiento o la responsabilidad están concentrados. La mentoría, la documentación, la responsabilidad compartida y contar con más de una persona capaz de asumir el trabajo pueden reducir la dependencia del proyecto respecto de una sola persona.
seguridad psicológica
Seguridad para preguntar y aprenderUn entorno de equipo en el que las personas pueden reconocer que tienen dudas, hacer preguntas, equivocarse y ofrecer comentarios sin esperar humillaciones ni castigos. El libro la considera un requisito previo para el aprendizaje y el intercambio de conocimientos, especialmente para quienes se incorporan y para quienes aún están desarrollando su experiencia.
QUANTS
Cinco dimensiones de la productividadUn recurso mnemotécnico para recordar cinco dimensiones que los investigadores de productividad de Google recomiendan considerar en conjunto: calidad del código (Quality of code), atención de los ingenieros (Attention from engineers), complejidad intelectual (intellectual complexity), ritmo y velocidad (Tempo and velocity) y satisfacción (Satisfaction). Ayuda a evitar que un equipo mejore una medida, como la rapidez, mientras pasa por alto el deterioro de la calidad del código, la concentración o la experiencia de los ingenieros.
regla de una sola versión (One-Version Rule)
Elegir una sola versión de cada dependenciaUna política de dependencias que busca evitar que los ingenieros de una organización tengan que elegir entre varias versiones del mismo componente. Limitar la elección de versiones reduce conflictos como las dependencias en diamante, en las que distintas partes de una red de dependencias requieren versiones incompatibles de una misma biblioteca.
usar siempre la versión más reciente (Live at Head)
Probar con las dependencias actualesUn enfoque propuesto para gestionar dependencias, según el cual los consumidores usan la versión actual de las dependencias en lugar de fijar muchas versiones, y los proveedores prueban los cambios con los usuarios posteriores que pueden ver. Los cambios que perjudican a los consumidores se corrigen, se migran o se acompañan de herramientas automatizadas. El enfoque depende de las pruebas, la visibilidad y una coordinación suficiente.
cambio a gran escala (Large-scale change)
Ediciones relacionadas en muchos archivosUn conjunto de cambios de código relacionados desde el punto de vista lógico que, en la práctica, no pueden enviarse como un único cambio atómico. Google suele generar estas ediciones con herramientas, dividirlas en partes que se puedan probar y revisar de forma independiente, y utilizar el proceso para migrar código, retirar sistemas obsoletos o adoptar cambios de infraestructura.
prueba hermética (hermetic test)
Prueba con dependencias controladasUna prueba cuyo entorno es autónomo y está aislado de servicios externos no controlados o de estados compartidos. Con el mismo código y las mismas entradas, debería producir el mismo resultado. Las pruebas herméticas suelen ser más estables y fáciles de reproducir, aunque su entorno simplificado quizá no refleje del todo el comportamiento en producción.
versionado semántico
Las etiquetas de versión implican compatibilidadUna convención que usa números de versión mayor, menor y de parche para comunicar la compatibilidad prevista de las versiones de software. Una actualización mayor indica que podría haber cambios incompatibles, mientras que, en general, se espera que las actualizaciones menores y de parche sean más seguras. El libro subraya que estas etiquetas son estimaciones humanas y quizá no predigan cómo los usuarios reales dependen de conductas observables.
Preguntas frecuentes
¿De qué trata Ingeniería de software en Google?
- Enfoque en los principios: El libro profundiza en los principios y las prácticas de ingeniería de software en Google, con énfasis en la sostenibilidad, la colaboración y el mantenimiento del código a largo plazo.
- Integración a lo largo del tiempo: Define la ingeniería de software como «programación integrada a lo largo del tiempo» y destaca que el código debe adaptarse a los cambios durante toda su vida útil.
- Perspectivas sobre la cultura: Los autores ofrecen una visión de la cultura, los procesos y las herramientas particulares de Google, y presentan un modelo que otras organizaciones pueden adaptar.
¿Por qué debería leer Ingeniería de software en Google?
- Aprender de la experiencia: El libro reúne lecciones de la extensa experiencia de Google en ingeniería de software y ofrece ideas valiosas para mejorar las prácticas de cualquier organización.
- Prácticas adaptables: Propone prácticas adaptables a distintos tamaños de equipo y alcances de proyecto, por lo que resulta pertinente para un público amplio.
- Énfasis en la sostenibilidad: Los lectores aprenderán a crear bases de código y prácticas de ingeniería sostenibles que resistan el paso del tiempo.
¿Cuáles son las principales conclusiones de Ingeniería de software en Google?
- Tres principios fundamentales: Destaca el tiempo y el cambio, la escala y el crecimiento, y las compensaciones y los costos como aspectos esenciales para una ingeniería de software sostenible.
- Cultura colaborativa: Resalta la importancia de una cultura de colaboración y afirma que «el desarrollo de software es un trabajo de equipo».
- Mejora continua: Promueve la mejora continua de las prácticas de ingeniería y anima a los equipos a aprender de los fracasos y a perfeccionar sus procesos.
¿Cómo se define la ingeniería de software según Ingeniería de software en Google?
- Programación a lo largo del tiempo: Se define como «programación integrada a lo largo del tiempo» e incluye escribir, mantener y adaptar código durante todo su ciclo de vida.
- Énfasis en la sostenibilidad: Destaca las prácticas que garantizan que el código siga siendo valioso y adaptable con el tiempo, y que abordan los retos del mantenimiento a largo plazo.
- Colaboración en equipo: Resalta el carácter colaborativo de la ingeniería de software, en la que varios ingenieros contribuyen a sistemas complejos.
¿Qué es la Ley de Hyrum y por qué es importante en Ingeniería de software en Google?
- Definición: La Ley de Hyrum afirma: «Con un número suficiente de usuarios de una API, no importa lo que se prometa en el contrato: alguien dependerá de todas las conductas observables del sistema».
- Retos de mantenimiento: Pone de relieve las dificultades de mantener software a lo largo del tiempo, ya que los cambios en las API pueden tener consecuencias imprevistas para los usuarios.
- Orientación para el diseño de API: Ayuda a los ingenieros a diseñar API sólidas y flexibles, capaces de admitir cambios futuros sin interrumpir la funcionalidad existente.
¿Cómo aborda Google el intercambio de conocimientos en los equipos según Ingeniería de software en Google?
- Cultura de aprendizaje: Destaca la creación de una cultura en la que los miembros del equipo se sientan seguros para hacer preguntas y compartir conocimientos.
- Programas de mentoría: Asigna mentores a los empleados nuevos (Nooglers) para ayudarlos a desenvolverse en la organización y aprender de colegas con experiencia.
- Diversos mecanismos: Utiliza chats grupales, listas de correo y documentación interna para facilitar el intercambio de conocimientos y garantizar que la experiencia esté al alcance de todos.
¿Cuáles son las mejores prácticas para liderar un equipo según Ingeniería de software en Google?
- Liderazgo de servicio: Promueve que los líderes prioricen las necesidades del equipo y eliminen los obstáculos que dificultan su éxito.
- Seguridad psicológica: Insiste en crear un entorno en el que los miembros del equipo se sientan seguros para expresar ideas e inquietudes, algo fundamental para la colaboración y la innovación.
- Objetivos claros: Los líderes deben establecer objetivos y prioridades claros para asegurar la alineación y la concentración en metas comunes.
¿Cómo mide Google la productividad de ingeniería en Ingeniería de software en Google?
- Cultura basada en datos: Emplea un enfoque basado en datos para medir la productividad, centrado en identificar ineficiencias y mejorar los procesos.
- Marco GSM: Presenta el marco de Objetivos/Señales/Métricas (Goals/Signals/Metrics) para orientar la selección de métricas significativas y alineadas con los resultados deseados.
- Ciclo de mejora continua: La medición forma parte de un ciclo de mejora continua que aprovecha los conocimientos obtenidos para perfeccionar las prácticas y aumentar la productividad.
¿Qué papel tienen las revisiones de código en Ingeniería de software en Google?
- Garantía de calidad: Las revisiones de código son obligatorias y garantizan que otro ingeniero examine cada cambio para detectar errores y mejorar la calidad.
- Intercambio de conocimientos: Facilitan la transferencia de conocimientos, permiten que los miembros del equipo aprendan unos de otros y ayudan a comprender distintas partes de la base de código.
- Refuerzo cultural: Refuerzan una cultura de colaboración y responsabilidad colectiva sobre el código, que se convierte en una responsabilidad compartida.
¿Cómo aborda Google las pruebas durante el desarrollo de software según Ingeniería de software en Google?
- Pruebas automatizadas: Destaca las pruebas automatizadas impulsadas por los desarrolladores, que permiten detectar errores pronto y mantener la confianza en el código.
- Tipos de pruebas: Clasifica las pruebas en pequeñas, medianas y grandes; cada tipo cumple una función distinta y ofrece diferentes niveles de fidelidad y rapidez.
- Integración continua: Utiliza un sistema sólido de integración continua que ejecuta pruebas con frecuencia, para identificar y resolver problemas rápidamente.
¿Qué es la «regla de Beyoncé» mencionada en Ingeniería de software en Google?
- Filosofía de pruebas: Afirma: «Si te gustó, deberías haberle puesto una prueba», y destaca que toda conducta deseada debería contar con una prueba asociada.
- Pruebas exhaustivas: Promueve las pruebas proactivas para garantizar que todas las conductas importantes se validen mediante pruebas automatizadas.
- Impacto cultural: Refleja la cultura de pruebas más amplia de Google, donde las pruebas son parte integral del proceso de desarrollo.
¿Qué significa la analogía de «ganado frente a mascotas» en Ingeniería de software en Google?
- Filosofía de gestión de servidores: Ilustra la idea de tratar los servidores como ganado intercambiable, en lugar de mascotas individuales que necesitan cuidados.
- Automatización y resiliencia: Destaca la automatización de la gestión de servidores, que permite recuperarse rápidamente de los fallos sin intervención manual.
- Escalabilidad: Adoptar una mentalidad de «ganado» permite escalar eficazmente la infraestructura, reducir la carga operativa y mejorar la fiabilidad.
Descargar PDF
Descargar EPUB
.epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.