Présentation
Investir davantage dans MuleSoft comme en sortir exige la même première étape : savoir ce qui tourne réellement, de quoi cela dépend et où se trouvent les lacunes de fiabilité. La plupart des parcs ne permettent pas de répondre à ces questions à partir de la documentation.
Défi
L'équipe d'intégration était incapable de produire une cartographie fiable des dépendances. La gestion des erreurs variait d'une application à l'autre : certaines disposaient d'un traitement des dead-letters, d'autres réessayaient indéfiniment, d'autres encore abandonnaient les échecs silencieusement. L'approche API-led avait été adoptée sur le papier, mais les API système, processus et expérience s'appelaient mutuellement selon des schémas qui ne correspondaient pas à l'architecture prévue.
Environnement
Applications MuleSoft réparties entre CloudHub et des runtimes on-premise, intégrant des systèmes cliniques et administratifs via des interfaces HL7 et REST.
Approche
AceMQ a inventorié les applications, les API et l'usage des connecteurs à partir des métadonnées de déploiement et du code source des applications, puis a confronté les chemins d'appel réels à la structuration API-led prévue. La fiabilité a été notée application par application selon la gestion des erreurs, l'idempotence et l'observabilité, pour produire un backlog classé par priorité.
Solution
- Inventaire complet des applications, des API, des connecteurs et de leur placement sur les runtimes
- Cartographie des chemins d'appel réels entre API et signalement des écarts par rapport à la structuration prévue
- Notation de chaque application sur la gestion des erreurs, la sûreté des retries, l'idempotence et l'observabilité
- Identification de la logique d'intégration dupliquée à regrouper dans des API réutilisables
- Signalement des applications présentant des modes de défaillance silencieux comme candidates à une remédiation immédiate
- Livraison d'un backlog priorisé, exploitable aussi bien pour un investissement dans la plateforme que pour planifier une migration
Résultat obtenu
L'équipe a obtenu une cartographie des dépendances et un backlog classé selon la fiabilité, et a immédiatement corrigé les applications à défaillance silencieuse, indépendamment de la décision à plus long terme sur la plateforme.