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, Data Warehousing, Elasticsearch, Git, Hibernate (Java), J2EE, Java (allg.), JavaScript, Jira, Jquery, Javaserver Faces, Junit, Openshift, Oracle-Anwendungen, PL/SQL, SOAP, Spring Framework

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

Subversion, Apache Tomcat, Hibernate (Java), J2EE, Java (allg.), JavaScript, Jquery, Javaserver Faces, Javaserver Pages, Junit, Oracle-Anwendungen, PL/SQL, Spring Framework, Virtualbox

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

Subversion, Bash Shell, Confluence, Data Warehousing, ETL, Git, Jenkins, Jira, Oracle Database, Oracle Rac, Virtualbox