Seite 3 - Monthly Archives: March 2025

Ohne Mocking blockiert ein nicht fertiger Backend-Endpoint die gesamte Frontend-Entwicklung. GraphQL-Mocking auf Schema-Ebene macht Frontend-Teams unabhängig, ermöglicht Fehlerszenario-Tests und beschleunigt den Entwicklungszyklus erheblich.

Ein Test, der manchmal besteht und manchmal nicht, ist schlimmer als gar kein Test. Er untergräbt das Vertrauen in die gesamte Testsuite, erzwingt manuelle Re-Runs und versteckt echte Regressionen hinter rauschen. Flaky Tests entstehen aus spezifischen Ursachen – und alle lassen sich dauerhaft beheben.

Eine öffentliche API ohne Rate Limiting ist eine offene Einladung für Abuse. Token-Bucket- und Sliding-Window-Algorithmen begrenzen die Anfragelast pro Client, API-Keys ermöglichen differenzierte Limits und Abuse-Prevention-Patterns erkennen und blockieren missbräuchliches Verhalten – bevor es die Infrastruktur trifft.

Symfony ist das robusteste PHP-Framework für komplexe Backend-Logik. React ist das mächtigste UI-Framework für dynamische Frontends. API Platform verbindet beides durch automatisch generierte REST- und GraphQL-APIs — mit Validierung, Serialisierung und OpenAPI-Dokumentation out of the box. Dieser Artikel zeigt, wie man die beiden Welten produktionsreif zusammenführt.

In Magento 2 Projekten mit zehntausenden Dateien in vendor/ und hunderten Modulen im eigenen Code ist ungezieltes Suchen ineffizient. PhpStorm-Scopes begrenzen Suchergebnisse auf relevante Bereiche, Custom Search Scopes filtern auf eigene Module, und Structural Search findet Code-Muster, die mit Regex nicht sinnvoll beschreibbar sind.

Volumes, OOM-Kill-Risiko, automatische InnoDB-Crash-Recovery, Kubernetes StatefulSets und Backup-Strategien — alles was man für MySQL Docker wirklich wissen muss.

Eine Magento GraphQL-Produktabfrage, die einfach aussieht, kann intern dutzende SQL-JOINs über EAV-Tabellen auslösen. Wer nicht versteht, wie das Entity-Attribute-Value-Modell funktioniert, optimiert an der falschen Stelle. Dieser Artikel zeigt, warum EAV teuer ist, welche Maßnahmen helfen und wo die Grenzen liegen.

Im GraphQL-Schema-Design führt die Frage nach Input Types versus Custom Scalars regelmäßig zu Diskussionen. Beide lösen ähnliche Probleme auf unterschiedliche Art. Der Unterschied liegt nicht in der Leistungsfähigkeit, sondern im semantischen Anspruch: Beschreibt der Typ eine Struktur oder einen Wertebereich?