• # Retour sur des grosses applications

    Posté par . En réponse à la dépêche Python pour la rentrée 2019 — partie 1 ― Popularité. Évalué à 5.

    Je fais du python en environnement professionnel depuis 2010 et je ne fais que ça en backend (pour les fronts je suis passé par les moteurs de template mvc puis de l'angularjs puis angular).

    Durant cette période j'ai participé à trois gros projets, le premier en python 2, les deux autres en python3, chacun ayant dépassé les 300 000 lignes de codes pour un nombre d'utilisateurs d'environ 20 000 personnes.

    Pourquoi avoir choisi Python à l'époque :
    - Un code lisible
    - Une technologie facile à apprendre
    donc en tant que responsable d'équipe, une facilité à intégrer des personnes dans le projet, et pour un projet de plusieurs années c'est une chose super importante.

    • un langage utilisé pour le dév backend web
    • un langage utilisé par les datascientists
    • un langage utiliser par les devops/sysadmin

    Encore une fois pour un groupe c'est important, ça permet plus facilement de permettre à des personnes de monter en compétence (des datascientists voulant faire du back par exemple).

    Bref dans une entreprise, ce genre de technologie (et à ma connaissance c'est la seule, nodejs ne fait pas encore de datascience (et encore avec tensorflowsj)) est un avantage certain pour le management d'une équipe et d'un projet.

    Le manque de typage n'a jamais été un problème comme j'ai pu le ressentir avec le js (l'arrivée d'angular/typescript a tellement changé la donne) même si j'avoue que des fois j'aurais bien aimé que le typing soit arrivé un peu plus tot.

    Aujourd'hui je travaille dans une société gérant des métriques, nous avons des milliers de connexions par seconde, et le serveur ftp écrit en python, ainsi que l'ensemble de prétraitement géré par celery (on parle de plusieurs millions d'écriture par jours) ne posent aucun problème de performance.