Java Fullstack-Entwickler mit Schwerpunkt auf Qualität und Systemleistung

5/2017 – 3/2024

Softwareentwicklung - Stabilisierung, Performance-Optimierung, Implementierung neuer Anforderungen für das Bosch Identity Management System und IdM Crawler (DWH-System) - Java/JEE/Spring/JPA/Hibernate, Oracle 19c, JSF/jsp/JavaScript/Jquery /datatables.net/Ajax, Elasticsearch, RestAPI, SOAP, SPML, Jenkins, Maven, tomcat, GIT
- Systemintegration - Implementierung oder Leistungsoptimierung der bestehenden Datenschnittstellen zwischen den Systemen - Java, Spring, JPA/Hibernate, Oracle 19c, PL/SQL, Elasticsearch, RestAPI, SPML/SOAP
- wesentliche Beschleunigung der Systeme durch -
- Leistungsoptimierung in DB/Backend/Frontend
- DWH Java Code Optimization
- SQL tuning
- Code Reviews für andere Teammitglieder, insbesondere im Hinblick auf die Leistung

Tätigkeiten
- Entwicklung von Komponenten, Services und Dialogen / Java, Spring JPA Hibernate, JSF, AOP, JavaScript, jQuery, datatables.net
- Systemintegration REST, SPML, JAVA, Spring, DB, PL/SQL
- Implementierung von Unit- und Integrationstests mit JUnit & Mockito, AssertJ
- Implementierung der Logik in GUI- und im Backend zur Migration auf das Nachfolgesystem
- Rest-Dienst für die Bearbeitung eingehender Anfragen von anderen Systemen
- Implementierung eines Blockierungsmechanismus für die Pre-Processing zur Beseitigung von Wettlauf-Bedingungen, so dass nur ein Prozess gleichzeitig an denselben Objekten arbeiten kann
- Implementierung von Jquery Autocomplete-Felder, perf-optimiert
- Umstellung auf JDK11, auf OPENSHIFT
- Sicherheitskorrekturen nach PEN Tests im Frontend und Backend

Erhebliche Beschleunigung von Java Backend durch
- Optimierung von Java-Code
- Optimierung von Datenbankabfragen

Beispiele
- erhebliche Optimierung mehrerer Sync-Prozesse zwischen verschiedenen Systemen (Benutzer-, Org-, Rollen-, Manager-Sync usw.)
- erhebliche Beschleunigung der GUI-Suche - Optimierung im Frontend durch Ersetzen von jsf mit datatables.net und im Java-Backend durch Denormalisierung der Tabellen (neue SQL-Abfrage auf eine Tabelle mit denorm. Spalte mit codierten Werten aus 3 anderen Tabellen)
- mehrfache Optimierungen durch Denormalisierung in DWH - Java/SQL - erhebliche Beschleunigung und keine CPU Last mehr, Optimierung mit materialisierten DB Views
- Entfernen der ORA Deadlock-Quelle aus der Anwendung – durch Erstellen eines neuen Quartz-Jobs, der die Daten periodisch aus neuen Tabellen liest, wo jeder parallel hinzufügen kann und die Ergebnisse der Verarbeitung als der einzige in die alte Tabelle schreibt (wo vorher viele Benutzer/Threads parallel schreiben konnten)

Erhebliche Beschleunigung des Java Backends - durch Optimierung des Java Codes
- Reduktion komplexer Operationen wie SPML-Aufrufe auf max. einen erfolgreichen Aufruf pro Benutzer oder Vermeidung von Doppelaufrufen; Kontrolle des Durchsatzes von SPML-Aufrufen pro Minute pro Zielsystem etc.
- Ersetzen einzelner DB-Operationen (Select/Update/Insert) und der sog. LifeCycleHandlern durch Stapelverarbeitung mit bspw. 1000 DS in Java
- Oracle Instrumentierung der Anwendung (Java, AOP) – die es ermöglicht, ad hoc auf der Oracle v$session-Ebene zu identifizieren, was die DB Sessions, die Leistungsprobleme verursachen bzw. andere blockieren, in der Java-Anwendung tun (welcher Java-Code, in welcher Zeile, im welchen Anwendungsmodul, von welchem Java-Thread ausgeführt wird) und dadurch erhebliche Reduzierung der Analyse- und Aktionszeit im Falle von Leistungsprobleme.

Erhebliche Beschleunigung von Java Backend durch - Optimierung von SQL-Abfragen
- Indizierung der DB Tabellen (B-Tree, Bitmap Indexe), Cutoff Abfragen entlang der B-Tree Indexe
- Optimierung von JPL-Abfragen oder JPA-Objekten / z.B. durch Umschreiben in native SQL-Abfragen oder Vereinfachung in Java
- Optimierung von Ad-hoc-SQL-Queries mit 19c InMemory
- Optimierung rechenintensiver SQL-Abfragen / "resmgr: cpu/quantum"

dem vorangegangen
- (komplexe) Analysen von Fehlern, Leistungs- oder Stabilitätsproblemen (Anwendungslogs-, Oracle DB-, Quellcode-Analysen) & Implementierung neuer Funktionen
- Analysen von Daten, ASH/AWR-Berichten, sqlplus autotrace Ausgaben, Ausführungsplänen, ASH-Daten; SQL Tuning,
SQL-Echtzeit-Überwachung
- Analysen von sich gegenseitig blockierenden Sessions / SQL*Net message vom Client
- (ORA-00060) Deadlock -Analysen (Alert Logs, Ash-Daten, DB Blocking Session, Mapping auf Java-Code)

Ajax, Apache Tomcat, Datawarehouse / DWH, elasticSearch, Git, Hibernate (Java), J2EE (Java EE), Java (allg.), JavaScript, Jira, jQuery, JSF (Java Server Faces), JUnit, OpenShift, Oracle (allg.), PL/SQL, SOAP (Simple Object Access Protocol), Spring

9/2015 – 3/2017

Zusammen mit anderen Teamkollegen - Betreuung und Weiterentwicklung von Workflow Management System für coop - Schweizer Handelskette - Entwicklung Java, Spring, JPA/Hibernate, Oracle 12c/11g, JSF, JSP, Servlets, JavaScript, jquery, ajax, Entwicklung PL/SQL (Eclipse, SQL Developer, PL/SQL Developer, Jenkins, tomcat, SVN, Linux)
- Leistungsoptimierung - sowohl Java-Backend/SQL- als auch PL/SQL-Tuning auf Oracle und Javascript (zunächst Analysen mit Java-Script-Profilern in Browsern)
- Virtualisierung von Oracle-Umgebungen unter oel Linux 7.2, VirtualBox, Oracle Data Pump

Apache Subversion (SVN), Apache Tomcat, Hibernate (Java), J2EE (Java EE), Java (allg.), JavaScript, jQuery, JSF (Java Server Faces), JSP (Java Server Pages), JUnit, Oracle (allg.), PL/SQL, Spring, VM VirtualBox (Oracle)

1/2013 – 4/2013

DB-Beratung für Softwareentwickler in e-Postbrief Projekt (viele miteinander verbundene Systeme) -
Oracle 11g/12c, Oracle RAC, Exadata, SQL Developer, TOAD, Liquibase, Bash scripting, Agile, Scrum, KANBAN, Confluence, Jira, GIT, GERRIT, SVN, Jenkins, Puppet, JMeter, VMware, vagrant, Linux, CentOs, OEL, VirtualBox
- Code-Reviews im Hinblick auf die DB-Leistung
- erhebliche Beschleunigung von Abfragen - durch Performance-Optimierung, auch auf Exadata, DB-Indizierung (B-Tree, Bitmap), SQL Tuning Advisor, Tabellenpartitionierung
- Optimierung bestehender PL/SQL-Skripte
- Wesentliche Beschleunigung von Abfragen - Entwicklung und Optimierung von materialisierten Views,
- Datenmodellierung - Entwurf/Änderung zu effizienten Tabellenstrukt., Entw. von SQL-Abfragen/Liquibase-Skripten
- DataPump Export/Import, sicherer Export von Produktionsdaten mit DataPump und Anonymisierung
dem vorangegangen
- Auswirkungsanalyse durch Testen der Abfragen in prod-ähnlichen Umgebungen
- Leistungsanalyse unter Verwendung von AWR/ASH-Daten/Berichten/Views, Real-Time SQL Monitoring, sqlplus autotrace, explain plan
- Analyse der von den leistungsschwachen SQL-Abfragen verwendeten Daten

Apache Subversion (SVN), Bash (Shell), Confluence (Atlassian), Datawarehouse / DWH, ETL, Git, Jenkins, Jira, Oracle Database, Oracle RAC (Real Application Clusters), VM VirtualBox (Oracle)