⚙️ Генерим Spring Boot-фичи с AI

Нужно быстро набросать сервис для бизнес-функции? AI поможет сэкономить часы на шаблонах, валидации и boilerplate.

📝 Промпт:

Generate a Spring Boot REST endpoint that handles [описание бизнес-логики]. Include request/response DTOs, validation, exception handling, and service-layer interaction. Use best practices and explain design decisions.

💡 Дополнительные возможности:

— Добавьте Use Java 17+ features if possible, чтобы сразу писать современно
— Добавьте Add unit tests for controller and service, чтобы не откладывать на потом
— Добавьте Make it modular for future feature extension, если планируется масштабирование

💬 А вы используете AI как «копилку шаблонов» или уже доверяете ему фичи под ключ?

🐸 Библиотека джависта #буст

🐸 Библиотека джависта #развлекалово

🎯 Как добавить кастомные метрики в Spring Boot Actuator

В проде важно не просто «чтобы работало», а знать, как работает. Spring Boot Actuator позволяет получать системную информацию, но по-настоящему полезным он становится с кастомными метриками.

1️⃣ Добавьте зависимости

<dependency>
  <groupId>org.springframework.boot</groupId>
  <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
  <groupId>io.micrometer</groupId>
  <artifactId>micrometer-registry-prometheus</artifactId>
</dependency>

Также добавьте экспорт метрик в application.yml:

management:
  endpoints:
    web:
      exposure:
        include: health, info, metrics, prometheus
  metrics:
    export:
      prometheus:
        enabled: true

2️⃣ Создайте кастомную метрику

Например, метрика количества обращений к сервису:

@Component
public class CustomMetrics {

    private final Counter requestCounter;

    public CustomMetrics(MeterRegistry registry) {
        this.requestCounter = Counter.builder("custom_requests_total")
            .description("Total custom requests")
            .register(registry);
    }

    public void countRequest() {
        requestCounter.increment();
    }
}

Теперь можно вызывать countRequest() в любом месте.

3️⃣ Интегрируйте в проект

@RestController
@RequiredArgsConstructor
public class MetricsTestController {

    private final CustomMetrics customMetrics;

    @GetMapping("/hello")
    public String hello() {
        customMetrics.countRequest();
        return "Hello!";
    }
}

Каждый вызов /hello увеличивает счётчик.

4️⃣ Проверьте метрику

Откройте в браузере или через curl:

http://localhost:8080/actuator/prometheus

Найдите строку:

custom_requests_total{...} 42.0

📌 Реальный профит: такие метрики позволяют строить Grafana-дэшборды, ставить алерты в Prometheus и быстро ловить аномалии.

💬 Используете кастомные метрики или довольствуетесь встроенными?

🐸 Библиотека джависта #буст

❓ Всё на sealed, или старый добрый interface + impl?

С выходом Java 21 в стабильный релиз sealed-типы наконец-то стали полноценным инструментом. Формально они позволяют явно ограничивать наследование, делают модель более предсказуемой и защищённой.

Казалось бы — бери и используй везде, особенно там, где важна неизменность и контроль, как в DDD, CQRS или API-слоях.

Но в реальности мнения расходятся. Одни начинают всё новое писать через sealed, чтобы убрать "лишнюю гибкость", другие придерживаются старого доброго interface + impl, ссылаясь на читаемость, тестируемость и простоту изменений.

💬 Вопрос к вам:

Sealed — это реальный шаг вперёд в проработке модели, или ненужный контроль там, где раньше всё было гибко и понятно?

🐸 Библиотека джависта #междусобойчик

👑 Фишка Lombok — @With

Знаете, как в Java обычно обновить одно поле в неизменяемом объекте? Нужно создавать копию с нужным значением. Муторно. Lombok умеет делать это элегантно.

🔹 Что делает @With

Генерирует методы withX(...), которые создают копию объекта с изменённым полем. Подходит для immutable-моделей и паттерна builder. Класс при этом должен быть final (например, через @Value или вручную).


🔹 Пример

@Value
@With
public class User {
    String name;
    int age;
}

Теперь можно:

User user1 = new User("Alice", 25);
User user2 = user1.withAge(30); // создаётся новый объект с новым age

Объекты остаются неизменяемыми, но при этом легко "обновляемыми".

🔹 Зачем это нужно

— Удобно при работе с immutable-классами.
— Простой способ "копировать с изменением".
— Чистый, декларативный стиль без boilerplate.

🐸 Библиотека джависта #буст

🚀 HTTP/2: эволюция веб-протокола

Если вы работаете с REST API, микросервисами или веб-приложениями на Spring Boot, понимание HTTP/2 — не просто полезно, а необходимо.

В отличие от HTTP/1.1, где каждое TCP-соединение обрабатывает только один запрос одновременно, HTTP/2 позволяет осуществлять параллельную передачу нескольких запросов и ответов по одному соединению.

Это означает:

— Экономия ресурсов сервера и клиента.
— Одновременная передача нескольких потоков данных.
— Уменьшение объема передаваемой информации.

🔗 Подробнее в статье

🐸 Библиотека джависта #буст

🐸 Библиотека джависта #развлекалово

🐸 Библиотека джависта #междусобойчик

🆕 Java Digest: подборка материалов

🔹 Как избавиться от Flaky-тестов с помощью JMina

Рассматривается использование библиотеки JMina для стабилизации нестабильных тестов. Автор делится практиками выявления и устранения причин нестабильности, улучшая надежность тестового покрытия.

🔹 Как ZGC аллоцирует память в хипе

Анализируется поведение сборщика мусора ZGC при выделении памяти. Обсуждаются особенности работы ZGC, его преимущества и потенциальные подводные камни при использовании в различных сценариях.

🔹 Паттерны и методологии разработки

Подборка материалов, посвященных современным паттернам проектирования и методологиям разработки. Рассматриваются лучшие практики, помогающие создавать устойчивые и масштабируемые приложения.

🐸 Библиотека джависта #свежак

😮 Топ-вакансий для джавистов за неделю

Разработчик бэкенда (BDUI-платформа) — 220 000 —‍ 480 000 ₽ — гибрид (Москва)

Java-разработчик — от 100 000 до 200 000 ₽ — удалёнка

Java Developer — от 300 000 ₽ — удалёнка

Senior Java Developer — от 4 500 до 6 000 € — гибрид (Москва)

➡️ Еще больше топовых вакансий — в нашем канале Java jobs

🎮 Код из книги: Реактивная обработка REST-запросов

Проблема: При большом количестве одновременных запросов блокирующая модель ввода-вывода приводит к исчерпанию потоков и задержкам в обработке, что негативно сказывается на отклике приложения и пользовательском опыте.

Решение: в книге Mastering Spring Boot 3.0 автор предлагает использовать Spring WebFlux — реактивный стек Spring, основанный на неблокирующей модели ввода-вывода. Это позволяет обрабатывать тысячи одновременных запросов с минимальными затратами ресурсов, обеспечивая высокую отзывчивость и масштабируемость приложения.

Пример реализации реактивного REST-контроллера с использованием Spring WebFlux:

@RestController
@RequestMapping("/api/users")
public class UserController {

    private final UserService userService;

    public UserController(UserService userService) {
        this.userService = userService;
    }

    @GetMapping
    public Flux<User> getAllUsers() {
        return userService.getAllUsers();
    }

    @GetMapping("/{id}")
    public Mono<ResponseEntity<User>> getUserById(@PathVariable String id) {
        return userService.getUserById(id)
                .map(ResponseEntity::ok)
                .defaultIfEmpty(ResponseEntity.notFound().build());
    }

    @PostMapping
    public Mono<User> createUser(@RequestBody User user) {
        return userService.createUser(user);
    }
}

В этом примере используются типы Flux и Mono из Project Reactor для представления потоков данных и одиночных значений соответственно. Это позволяет обрабатывать запросы и ответы асинхронно и неблокирующим образом.

Преимущества:

— Неблокирующая модель ввода-вывода позволяет эффективно использовать ресурсы при высоких нагрузках.
— Асинхронная обработка запросов обеспечивает быстрый отклик даже при большом количестве одновременных пользователей.
— Интеграция с другими реактивными библиотеками и потоками данных упрощает построение сложных бизнес-процессов.

Еще больше полезных книг — в нашем канале @progbook

🐸 Библиотека джависта #буст

🐸 Библиотека джависта #развлекалово

⚙️ Многопоточность в Spring Boot с AI

Есть бизнес-логика, которая требует многозадачности, но нужно сделать это грамотно и без лишних усилий? ИИ поможет сэкономить время на сложных аспектах работы с потоками и синхронизацией.

📝 Промпт:

Generate a Spring Boot service that processes [описание бизнес-логики] with multithreading support. Use Java concurrency features like ExecutorService, CompletableFuture, or @Async. Ensure thread safety, synchronization, and efficient thread pool management. Explain design decisions and trade-offs.

💡 Дополнительные возможности:

— Используйте Java 17+ features, чтобы сразу писать асинхронный и многозадачный код на современном уровне
— Добавьте Add thread pool management, чтобы контролировать нагрузку и избежать перегрузок
— Добавьте Add exception handling for multithreading, чтобы предотвратить ошибки в параллельных операциях

💬 Как вы используете AI при разработке?

🐸 Библиотека джависта #буст

🛠 20 нюансов PostgreSQL

PostgreSQL давно перестал быть просто популярной СУБД — сегодня это мощный, гибкий и инновационный инструмент, способный решать самые сложные задачи в масштабируемых приложениях.

Если вы серьезно занимаетесь бэкендом и хотите держать руку на пульсе самых важных особенностей и тонкостей PostgreSQL, то игнорировать эти нюансы нельзя:

— как правильно оптимизировать запросы и работу с индексами,
— тонкости работы с транзакциями и параллелизмом,
— новые возможности JSON и работы с данными,
— расширенные методы мониторинга и отладки,
— и многое другое, что реально сэкономит время и ресурсы вашего проекта.

🔗 Подробнее в статье

🐸 Библиотека джависта #буст

📊 Чек-лист: эффективная работа с коллекциями в Java

Коллекции — база для любой бизнес-логики, но неправильный выбор структуры данных или операций приводит к тормозам и ошибкам.

🔹 Выбор структуры данных

— ArrayList быстрый доступ по индексу, но медленная вставка/удаление в середине.
— LinkedList эффективен для частых вставок и удалений, но медленный случайный доступ.
— HashSet быстрая проверка наличия элемента, но не гарантирует порядок.
— LinkedHashSet сохраняет порядок вставки, но чуть медленнее.
— TreeSet упорядоченный набор, но операции дороже из-за балансировки дерева.

🔹 Оптимизация операций

— Избегайте частых автокорректировок размера у ArrayList. Инициализируйте вместимость сразу, если размер известен.
— При массовой вставке используйте addAll() вместо последовательного add().
— Для поиска и фильтрации предпочитайте потоки (Stream API).

🔹 Коллекции и многопоточность

— Для многопоточных сценариев используйте ConcurrentHashMap или CopyOnWriteArrayList.
— Помните, что Collections.synchronizedXXX() — это обертки с блокировкой, часто неэффективные для интенсивных операций.

🔹 Память и производительность

— Помните о влиянии неизменяемых коллекций: они безопасны, но могут создавать накладные расходы по памяти.
— Профилируйте приложения, чтобы определить реальные узкие места в работе с коллекциями.

🔹 Дополнительно

— Используйте Collectors.toMap() и другие мощные инструменты Stream API для удобного преобразования и агрегации данных.
— В новых версиях Java появляются оптимизации и новые структуры (например, Immutable Collections в Java 9+).

💬 Использовали LinkedList хоть раз?

🐸 Библиотека джависта #буст

📣 Истории подписчиков: чуть было не сорванный дедлайн

В работе с Java-проектами одна из самых частых головных болей — управление памятью. Не только баги в коде, но и неправильно настроенный GC могут привести к серьёзным проблемам. Вот реальный кейс из практики.

История от подписчика:

Работал как-то над крупным микросервисом, который обрабатывал тысячи запросов в минуту. Столкнулись с неожиданной проблемой на этапе нагрузочного тестирования. Начали появляться задержки в откликах — иногда по несколько секунд, что было критично для системы.

Проверил нагрузку на сервер. CPU был в норме, но мониторинг памяти показал, что heap быстро заполняется, и GC работает очень часто и долго. Детальный анализ выявил причину — один из модулей создавал слишком много временных объектов, которые оставались в кеше дольше необходимого. Из-за этого объекты не удалялись вовремя, и память забивалась.

Мы пересмотрели логику кеширования, сократили время жизни объектов и подключили профайлер памяти. В результате нагрузка на GC снизилась, и производительность сервиса улучшилась.

💬 А с какими случаями проблем с памятью сталкивались вы? Как их решали?

🐸 Библиотека джависта #междусобойчик

🎧 Что послушать — #подкаст

🔹 Javaswag #75
Дата выпуска: 4 февраля 2025
Ведущий: Дмитрий Волыхин
Гость: Илья Ильиных
Продолжительность: 2 часа 24 минуты

В этом выпуске подкаста Javaswag обсуждаются причины перехода с Java на Go, преимущества Go по сравнению с Java, а также использование редактора Vim для повышения эффективности разработки.

🔹 Ключевые темы выпуска

00:00 — Переход от Java к Go
06:13 — Проблемы с Optional и его использование
11:20 — Использование Optional в Java
18:30 — Важность форматирования кода
23:42 — Проблемы и решения в команде
31:05 — Переход на Vim и его связь с GoLang
36:30 — Проблемы с Gradle и тестами
44:51 — Проекты и архитектура микросервисов
51:03 — Сравнение Go и Java
56:13 — Погружение в Go и его особенности
01:10:36 — Мутационное тестирование и его важность
01:16:09 — Сравнение тестирования в Java и Go
01:24:44 — Принципы написания устойчивых тестов
01:31:32 — Тестирование как черный ящик
01:37:13 — Интерфейсы в Go и Java
01:43:09 — Обработка ошибок в Go и Java
01:48:18 — Теория монады и её применение в Java
01:53:35 — Проблемы написания больших проектов на Go
02:04:50 — Итераторы в Go и Lua
02:13:26 — Эффективные методы работы с кодом
02:19:12 — Непопулярные мнения о потоках в Java и Kotlin
02:24:34 — Проблемы и решения в Java и Kotlin

🔗 Слушать выпуск

🐸 Библиотека джависта #буст

🐸 Библиотека джависта #развлекалово