Ferramentas

Bruno é uma alternativa de código aberto para desktop do Postman e Insomnia para testes, desenvolvimento e depuração de APIs. Seu objetivo é oferecer colaboração, privacidade e segurança superiores com seu design simples, exclusivo para uso offline. As coleções são armazenadas diretamente no seu sistema de arquivos — escritas em uma linguagem de marcação de texto personalizada, chamada Bru Lang — e podem ser compartilhadas com Git ou uma ferramenta de controle de versão de sua escolha para colaboração. Bruno está disponível tanto como uma aplicação desktop e uma ferramenta de CLI. Ele também oferece uma extensão oficial para o VS Code, com planos para suporte adicional a IDEs. O Bruno se tornou a escolha padrão para várias equipes da Thoughtworks, mas também aconselhamos as equipes a ficarem atentas ao trabalhar em ambientes com VPN e proxy, já que as requisições feitas nessas condições têm apresentado falhas inesperadas.

K9s melhorou suas capacidades de visualização integrando gráficos e visualizações mais detalhados. Agora ele oferece uma melhor representação de logs e métricas e é mais flexível em como exibe recursos personalizados (CRDs). As operações nos pods foram expandidas e incluem uma melhor integração com ferramentas de depuração, como kubectl debug), e suporte aprimorado a ambientes muti-cluster. O suporte a CRDs melhorou significativamente e agora fornece uma melhor navegação e gerenciamento desses recursos bem como uma interação mais suave com recursos personalizados. O painel de atalhos também foi melhorado para deixá-lo mais acessível para as desenvolvedoras que são menos experientes com o kubectl. Isso é uma melhora significativa, já que o K9s inicialmente era focado prioritariamente em equipes de DevOps.

SOPS é um editor de arquivos criptografados que suporta vários formatos de arquivo criptografados com KMS. Nosso conselho em relação ao gerenciamento de segredos sempre foi desacoplá-lo do código-fonte. No entanto, quando confrontadas com a escolha entre automação completa (no princípio de infraestrutura como código) e algumas etapas manuais (usando ferramentas como vaults) para gerenciar, gerar e rotacionar segredos iniciais, as equipes geralmente enfrentam um dilema. Por exemplo, nossas equipes utilizam o SOPS para gerenciar as credenciais iniciais de segurança necessárias para a inicialização da infraestrutura. Em algumas situações, no entanto, é impossível remover segredos de repositórios de código legados. Nessas situações, usamos o SOPS para criptografar segredos em arquivos de texto. O SOPS integra-se com serviços de gerenciamento de chaves na nuvem, tais como AWS e GCP Key Management Service (KMS) ou Azure Key Vault, que fornecem as chaves de criptografia. Ele também funciona em várias plataformas e suporta chaves PGP. Várias de nossas equipes usam o SOPS por padrão quando precisam gerenciar segredos no repositório de código.

Já destacamos ferramentas de teste de regressão visual previamente e observamos seus algoritmos evoluírem da comparação primitiva em nível de pixel para sofisticados métodos de correspondência de padrões e reconhecimento óptico de caracteres (OCR). As primeiras ferramentas de regressão visual geravam muitos falsos positivos e só foram úteis em estágios finais do desenvolvimento, quando a interface já estava estável. BackstopJS evita esse problema configurando seletores e viewports para apontar testes visuais para elementos específicos na página. O aprendizado de máquina tornou mais fácil detectar e comparar elementos visuais com mais precisão, mesmo que eles tenham se movido ou contenham conteúdo dinâmico. Essas ferramentas se tornaram cada vez mais úteis e estão bem posicionadas para aproveitar os últimos desenvolvimentos em IA e aprendizado de máquina. Várias ferramentas comerciais, como Applitools e Percy, agora afirmam usar IA em seus testes de regressão visual. Uma de nossas equipes tem usado o Applitools Eyes extensivamente com resultados satisfatórios. Embora os testes de regressão visual não substituam os bem formulados testes funcionais de ponta a ponta, eles são uma adição valiosa à caixa de ferramentas de teste. Estamos incentivando sua adoção porque eles se tornaram uma opção padrão segura como um elemento de uma estratégia abrangente de teste de IU.

Wiz se destacou como a plataforma de segurança em nuvem preferida em muitos dos nossos projetos. Nossos times apreciam o fato de que ela permite detectar riscos e ameaças mais rápido do que ferramentas semelhantes, pois realiza varreduras contínuas para identificar mudanças. A Wiz pode detectar e alertar sobre configurações incorretas, vulnerabilidades e segredos vazados, tanto em artefatos que ainda não foram implantados em ambientes de produção — imagens de contêiner e código de infraestrutura — quanto em cargas de trabalho em execução — contêineres, VMs e serviços em nuvem. Também valorizamos a capacidade de relatórios poderosos, tanto para times de desenvolvimento quanto para a liderança. Essa análise nos ajuda a entender como uma vulnerabilidade pode afetar um determinado serviço, permitindo que possamos resolver os problemas dentro desse contexto.

AWS Control Tower continua sendo nossa principal escolha para gerenciar contas AWS em um ambiente com vários times. Ele oferece um mecanismo conveniente para pré-configurar controles de segurança e conformidade que serão automaticamente aplicados a novas landing zones. Isso é um exemplo de conformidade no ponto de mudança, pois os controles são aplicados e verificados sempre que uma nova infraestrutura é criada, eliminando a necessidade de verificações manuais de conformidade posteriormente. O AWS Control Tower Account Factory for Terraform (AFT) continuou a evoluir desde nossa última análise e agora está disponível em mais regiões da AWS. O AFT permite que as contas do Control Tower sejam provisionadas por meio de um pipeline de infraestrutura como código. Gostamos do fato de o AFT poder ser customizado para enviar webhooks ou realizar ações específicas para integrar de forma segura com ferramentas externas, como o GitHub Actions. Nossos times relataram ótimos resultados usando o AWS Control Tower para gerenciar contas, mas gostaríamos que a AWS aceitasse contribuições da comunidade para o projeto quando oportunidades de melhorias são identificadas.

Para equipes que praticam integração contínua, é importante estar ciente do estado da build central no sistema de integração contínua (CI). Antes da pandemia, dashboards em grandes telas de TV nas salas de equipe forneciam essas informações de relance. Como o trabalho remoto chegou para ficar, é necessária uma solução que funcione nas estações de trabalho individuais das desenvolvedoras. Para o Mac, esse nicho é coberto pelo CCMenu, um pequeno aplicativo escrito por uma Thoughtworker. Originalmente parte do CruiseControl, ele funciona com todos os servidores que podem fornecer informações no formato cctray, incluindo Jenkins e TeamCity. Uma reescrita recente adicionou suporte para GitHub Actions e abriu caminho para uma integração mais profunda com mais servidores de CI e estilos de autenticação.

ClickHouse é um banco de dados de processamento analítico on-line em colunas (OLAP) de código aberto para análises em tempo real. Começou como um projeto experimental em 2009 e desde então amadureceu como um banco de dados analítico de alto desempenho e linearmente escalável. Seu motor de processamento de consultas eficiente, juntamente com a compactação de dados, o torna ideal para consultas interativas sem pré-agregação. ClickHouse é também uma ótima escolha de armazenamento para dados do OpenTelemetry. Sua integração com o Jaeger permite que você armazene grandes volumes de traces e os analise de forma eficiente.

Apesar dos avanços nas ferramentas de desenvolvimento, manter ambientes de desenvolvimento locais consistentes continua a ser um desafio para muitas equipes. O onboarding de pessoas engenheiras frequentemente envolve a execução de comandos ou scripts customizados que imprevisivelmente podem falhar em diferentes máquinas e resultar em inconsistências. Para vencer esse desafio, nossas equipes têm se apoiado cada vez mais no Devbox. Dexbox é uma ferramenta de linha de comando que fornece uma interface acessível para criar ambientes de desenvolvimento reproduzíveis por projeto, aproveitando o gerenciador de pacotes Nix sem usar máquinas virtuais ou contêineres. Ela tem simplificado notavelmente o onboarding de nossas equipes porque, uma vez configurado para uma codebase, é necessário um comando CLI (devbox shell) para reproduzir o ambiente definido em um novo dispositivo. Devbox suporta shell hooks, scripts customizados e geração de devcontainer.json para integração com VSCode.

Difftastic é uma ferramenta para destacar diferenças entre arquivos de código fonte de uma maneira que reconhece a sintaxe. Isso é bem diferente de ferramentas de comparação textual, como o venerável comando Unix diff. Por exemplo, o Difftastic ignora novas linhas inseridas para quebrar instruções longas em linguagens como Java ou TypeScript que são delimitadas por ponto e vírgula. A ferramenta destaca apenas as alterações que impactam a sintaxe do programa. Ela faz isso primeiro analisando os arquivos em árvores de sintaxe abstratas e, em seguida, calculando a distância entre eles usando o algoritmo de Dijkstra. Descobrimos que Difftastic é particularmente útil para entender as alterações ao revisar grandes quantidades de código fonte. Difftastic pode ser usado em qualquer linguagem de programação para a qual um analisador esteja disponível e, nativamente, suporta mais de 50 linguagens de programação, bem como formatos de texto estruturados como CSS e HTML. Essa não é uma ferramenta nova, mas achamos que valeria a pena chamar a atenção na era dos assistentes de codificação LLM, onde revisões humanas de código fonte cada vez maiores são gradualmente mais críticas.

LinearB é uma plataforma de inteligência em engenharia de software que tem empoderado nossas lideranças de engenharia com insights orientados por dados para apoiar a melhoria contínua. A plataforma alinha áreas chave como benchmarking, automação de fluxo de trabalho e investimentos direcionados para aprimorar a experiência e a produtividade das desenvolvedoras. Em nossa experiência com o LinearB, destacamos sua capacidade de promover uma cultura de melhoria e eficiência dentro das equipes de engenharia. Nossas equipes têm utilizado a plataforma para acompanhar métricas chave de engenharia, identificar áreas para aprimoramento e implementar ações baseadas em evidências. Essas capacidades estão bem alinhadas com a proposta de valor central do LinearB: benchmarking, automação da coleta de métricas e habilitação de melhorias orientadas por dados. O LinearB integra-se com ferramentas de código-fonte, ciclo de vida de aplicativos, CI/CD e comunicação e utiliza métricas de engenharia pré-configuradas e personalizadas para fornecer insights quantitativos abrangentes sobre a experiência da desenvolvedora, produtividade e desempenho da equipe. Como defensoras do DORA, valorizamos a forte ênfase do LinearB nessas métricas específicas e sua capacidade de avaliar aspectos cruciais de desempenho da entrega de software, essenciais para aprimorar a eficiência. Historicamente, as equipes enfrentaram desafios para coletar métricas específicas do DORA, muitas vezes dependendo de dashboards personalizados e complexos ou processos manuais. O LinearB continua a oferecer uma solução convincente que automatiza o rastreamento dessas métricas e entrega dados em tempo real que suportam a tomada de decisão proativa em torno da experiência da desenvolvedora, da produtividade e previsibilidade.

pgvector é uma extensão de código aberto para busca de similaridade para o PostgreSQL, permitindo o armazenamento de vetores juntamente com dados estruturados em uma única e bem estabelecida base de dados. Embora careça de alguns recursos avançados de bancos de dados vetoriais especializados, ele se beneficia da conformidade com ACID, recuperação de pontos no tempo e outras funcionalidades robustas do PostgreSQL. Com o aumento de aplicações impulsionadas por IA generativa, identificamos um padrão crescente de armazenamento e busca eficiente de vetores de embeddings por similaridade, algo que o pgvector aborda de forma eficaz. Com o uso crescente do pgvector em ambientes de produção, especialmente onde equipes já utilizam um provedor de nuvem que oferece PostgreSQL gerenciado, e sua comprovada capacidade de atender às necessidades comuns de busca vetorial sem exigir um banco de dados vetorial separado, estamos confiantes de seu potencial. Nossos times o consideram valioso em projetos que comparam dados estruturados e não estruturados, demonstrando seu potencial para uma adoção mais ampla, e por isso, estamos movendo-o para o anel Experimente.

Snapcraft é uma ferramenta de linha de comando de código aberto para construir e empacotar aplicativos independentes chamados snaps no Ubuntu, outras distribuições Linux e macOS. Os snaps são fáceis de implementar e manter em plataformas de hardware, incluindo máquinas Linux, ambientes virtuais e sistemas de computador de bordo de veículos. Enquanto o Snapcraft oferece uma loja de aplicativos pública para publicação de snaps, nossas equipes usam a ferramenta de construção para empacotar o sistema de direção autônoma como um snap sem publicá-lo na loja de aplicativos pública. Isso nos permite construir, testar e depurar o sistema de software embarcado localmente enquanto o publicamos em um repositório de artefatos internos.

Spinnaker é uma plataforma open-source de entrega contínua criada pela Netflix. Ela implementa gerenciamento de clusters e imagens preparadas para a nuvem como funcionalidade principal. Gostamos da abordagemopinionada da Spinnaker para a implantação de microsserviços. Nas edições anteriores, notamos a falta da capacidade em configurar pipelines como código, mas isso foi solucionado com a adição do spin CLI. Embora não recomendemos a Spinnaker para cenários simples de CD, ela se tornou uma ferramenta de escolha para situações complexas com pipelines de implantação igualmente complexas.

TypeScript OpenAPI (ou tsoa) é uma alternativa ao Swagger para gerar especificações OpenAPI a partir do seu código. Ela adota uma abordagem code-first, com controladores e modelos TypeScript como a única fonte de verdade, utilizando anotações ou decoradores TypeScript em vez de exigir arquivos e configurações mais complexos, como os que são necessários ao usar ferramentas OpenAPI para TypeScript. Ela gera especificações de API nas versões 2.0 e 3.0, e as rotas podem ser geradas para Express, Hapi e Koa. Se você está escrevendo APIs em TypeScript, esse projeto vale a pena ser explorado.

Embora o uso de feature toggle mais simples possível continue sendo nossa abordagem recomendada, o crescimento das equipes e o desenvolvimento mais ágil tornam a gestão de toggles feitos manualmente mais complexa. Unleash é uma opção amplamente utilizada por nossas equipes para lidar com essa complexidade e viabilizar o CI/CD. A ferramenta pode ser usada tanto como serviço quanto de forma auto-hospedada. Oferece SDKs em várias linguagens com uma boa experiência para desenvolvedoras e uma interface amigável de fácil administração. Embora ainda não haja suporte oficial para a especificação OpenFeature, você pode encontrar providers mantidos pela comunidade para Go e Java. A Unleash pode ser utilizada tanto para feature toggles simples quanto para segmentação e lançamentos graduais, tornando-se uma opção adequada para o gerenciamento de features em larga escala.

Astronomer Cosmos is an Airflow plugin designed to provide more native support for dbt core workflows in Airflow. With the plugin installed, when DbtDag is used to wrap a dbt workflow, it turns dbt nodes into Airflow tasks/task groups, allowing engineers to visualize dbt dependency graphs and their execution progress directly in the Airflow UI. It also supports using Airflow connections instead of dbt profiles, potentially reducing configuration sprawl. We're experimenting with the tool for its potential to make working with dbt in Airflow more seamless.

ColPali is an emerging tool for PDF document retrieval using vision language models, addressing the challenges of building a strong retrieval-augmented generation (RAG) application that can extract data from multimedia documents containing images, diagrams and tables. Unlike traditional methods that rely on text-based embedding or optical character recognition (OCR) techniques, ColPali processes entire PDF pages, leveraging a visual transformer to create embeddings that account for both text and visual content. This holistic approach enables better retrieval as well as reasoning for why certain documents are retrieved, and significantly enhances RAG performance against data-rich PDFs. We've tested ColPali with several clients where it has shown promising results, but the technology is still in the early stages. It's worth assessing, particularly for organizations with complex visual document data.

The arms race for AI-assisted programming tools is ongoing, and the most eye-catching one is Cursor. Cursor is an AI-first code editor designed to enhance developer productivity by deeply integrating AI into the coding workflow. We've paid attention to it in previous Radar assessments, but it's clear that the recent continuous improvement of Cursor has ushered in a qualitative change. In our use, Cursor has demonstrated strong contextual reasoning capabilities based on the existing codebase. While other AI code tools like GitHub Copilot tend to generate and collaborate around code snippets, Cursor's multi-line and multi-file editing operations make it stand out. Cursor is forked from VSCode and developed based on it, providing a fast and intuitive interaction method that conforms to the developer's intuition. Powerful operations can be completed with ctrl/cmd+K and ctrl/cmd+L. Cursor is leading a new round of competition in AI programming tools, especially regarding developer interaction and understanding of codebases.

Data Mesh Manager provides the metadata layer of a typical data mesh platform. In particular, it focuses on the definition of data products and the specification of data contracts using the OpenContract initiative and can be integrated into build pipelines using the associated DataContract CLI. The application also provides a data catalog to discover and explore data products and their metadata and allows for federated governance, including the definition of data quality metrics and the management of data quality rules. It’s one of the first native tools in this space, which means it isn’t just trying to retrofit existing platforms to the data mesh paradigm.

Despite its power and utility Git's command line interface is notoriously complex when it comes to managing multiple branches and staging commits within them. GitButler is a Git client that provides a graphical interface that aims to simplify this process. It does this by tracking uncommitted file changes independently of Git and then staging those changes into virtual branches. One might argue that this is a solution to a problem that shouldn't exist in the first place; if you make small changes and push to trunk frequently, there’s no need for multiple branches. However, when your workflow involves pull requests, the branching structure can become complex, particularly if there is a long review cycle before a PR can be merged. To address this, GitButler also integrates with GitHub so you can selectively group changes into pull requests and issue them directly from the tool. GitButler is another entry into the growing category of blips aimed at managing the complexity inherent in the PR process.

JetBrains AI Assistant is a coding assistant designed to integrate smoothly with all JetBrains IDEs to support code completion, test generation and style guide adherence. Built on models like OpenAI and Google Gemini, it stands out for its ability to ensure consistent output by remembering coding styles for future sessions. Our developers found its test generation capabilities particularly useful and noted its ability to handle longer outputs without stability issues. However, unlike some competitors, JetBrains does not host its own models, which may not work for clients concerned about third-party data handling. Still, the tool’s integration with JetBrains IDE makes it a promising choice for teams exploring AI-driven coding assistants.

Developers working in a polyglot environment often find themselves having to manage multiple versions of different languages and tools. mise aims to solve that problem by providing one tool to replace nvm, pyenv, rbenv and rustup, among others, and is a drop-in replacement for asdf. Mise is written in Rust for shell interaction speed, and unlike asdf which uses shell-based shims, mise modifies the PATH environment variable ahead of time, so the tool run times are called directly. This is partly why mise is faster than asdf. For those developers already familiar with asdf, it provides the same functionality but with a few key differences. Being written in Rust, it's faster and has a few features that asdf doesn't, such as the ability to install multiple versions of the same tool at the same time and more forgiving commands, including fuzzy matching. It also provides an integrated task runner, useful for things like running linters, tests, builders, servers and other tasks that are specific to a project. If you're a bit fed up with having to use multiple tools to manage your development environment as well as the at times clunky syntax of other tools, mise is definitely worth a look.

Mockoon is an open-source API mocking tool. It has an intuitive interface, customizable routes and dynamic responses as well as the ability to automate the creation of mock data sets. Mockoon is compatible with OpenAPI and lets you generate different scenarios that can be tested locally and integrated with a development pipeline. You can also create "partial mocks" by intercepting the requests and only faking the calls that are defined in Mockoon. The partial mocks help simulate specific API routes or endpoints and forward other requests to actual servers. While partial mocks can be useful in certain scenarios, there is a risk of overuse, which may lead to unnecessary complexity. Besides that, Mockoon remains a valuable tool for quickly setting up mock APIs as well as improving and automating development workflows.

Raycast is a macOS freemium launcher that enables you to quickly launch applications, run commands, search for files and automate tasks from your keyboard. Our teams value its out-of-the-box features for developers and its easy extensibility, which allows you to interact with third-party apps and services like VSCode, Slack, Jira and Google, among many others. Raycast is tailored for productivity and minimizes context switching, making it a useful tool for anyone looking to streamline their daily tasks. Pro users have access to Raycast AI, a specialized AI-powered search assistant.

ReadySet is a query cache for MySQL and PostgreSQL. Unlike traditional caching solutions that rely on manual invalidation, ReadySet leverages database replication streams to incrementally update its cache. Through partial view materialization, ReadySet achieves lower tail latencies than a traditional read replica. ReadySet is wire compatible with MySQL and PostgreSQL, so you can deploy it in front of your database to horizontally scale read workloads without requiring application changes.

Many of our teams working on web-based frontends have switched from older bundling tools — Webpack comes to mind — to Vite. A new entrant in this field is Rspack, which after 18 months in development has just seen its 1.0 release. Designed as a drop-in replacement for Webpack, it’s compatible with plug-ins and loaders in the Webpack ecosystem. This can be an advantage over Vite when migrating complex Webpack setups. The main reason why our teams are migrating to newer tools like Vite and Rspack is developer experience and, in particular, speed. Nothing breaks the flow of development more than having to wait a minute or two before getting feedback on the last code change. Written in Rust, Rspack delivers significantly faster performance than Webpack, and in many cases, it's even faster than Vite.

When building LLM-based applications, determining a user's intent before routing a request to a specialized agent or invoking a specific flow is critical. Semantic Router acts as a superfast decision-making layer for LLMs and agents, enabling efficient and reliable routing of requests based on semantic meaning. By using vector embeddings to infer intent, Semantic Router reduces unnecessary LLM calls, offering a leaner, cost-effective approach to understanding user intent. Its potential extends beyond intent inference, serving as a versatile building block for various semantic tasks. The speed and flexibility it offers position it as a strong contender in environments that require fast, real-time decision-making without the overhead of LLMs.

One of the hottest topics right now in the GenAI space is the concept of software engineering agents. These coding assistance tools do more than just help the engineer with code snippets here and there; they broaden the size of the problem they can solve, ideally autonomously and with minimum interference from a human. The idea is that these tools can take a GitHub issue or a Jira ticket and propose a plan and code changes to implement it, or even create a pull request for a human to review. While this is the next logical step to increase the impact of AI coding assistance, the often advertised goal of generic agents that can cover a broad range of coding tasks is very ambitious, and the current state of tooling is not showing that convincingly yet. However, we can see this working sooner rather than later for a more limited scope of straightforward tasks, freeing up developer time to work on more complex problems. Tools that have been released with beta versions of agents include GitHub Copilot Workspace, qodo flow, Tabnine's agents for JIRA, or Amazon Q Developer. The SWE Bench benchmark lists more tools in that space, but we caution you to take benchmarks in the AI space with a grain of salt.

Rust is well suited for writing command-line tools due to its fast startup performance, and we see people rewriting some toolchains in it. We mentioned Ruff, a Python linter written in Rust in the previous Radar. For this volume, we evaluated uv, a Python package management tool written in Rust. The value proposition of uv is "blazing fast" and it beats other Python package management tools by a large margin in their benchmarks. However, during our Radar evaluation, we discussed whether optimizing within seconds for build tools is a marginal improvement. Compared with performance, what’s more important for a package management system is the ecosystem, mature community and long-term support. That being said, feedback from the project team has shown us that this marginal speed improvement could be a big plus for improving feedback cycles and overall developer experience — we tend to manually make CI/CD caching very complex to achieve this little performance improvement; uv simplifies our Python environment management. Considering there is still much room for improvement in package and env management for Python development, we think uv is an option worth assessing.

Warp is a terminal for macOS and Linux. It splits command outputs into blocks to improve readability. Warp features AI-driven capabilities such as intelligent command suggestions and natural language processing. It also includes notebook features that allow users to organize commands and outputs and to add annotations and documentation. You can leverage these features to create README files or onboarding materials and provide a structured and interactive way to present and manage terminal workflows. Warp easily integrates with Starship, a flexible cross-shell prompt, allowing you to customize the terminal experience and retrieve information about running processes, the specific version of a tool you’re using, Git details or the current Git user, among other details.

After the shutdown of the Atom text editor project, its creators built a new editor named Zed. Written in Rust and optimized to leverage modern hardware, Zed feels fast. It has all the features we expect from a modern editor: support for many programming languages, a built-in terminal and multibuffer editing to name a few. AI-assisted coding is available through integration with several LLM providers. As ardent pair programmers we're intrigued by the remote collaboration feature built into Zed. Developers find each other via their GitHub IDs and can then collaborate on the same workspace in real time. It's too early to tell whether development teams can and want to escape the pull of the Visual Studio Code ecosystem, but Zed is an alternative to explore.

CocoaPods has been a popular dependency management tool for Swift and Objective-C Cocoa projects. However, the CocoaPods team announced that the project is in maintenance mode after more than a decade of being a key tool for iOS and macOS developers. While the tool and its resources will remain available, active development will cease. Developers are encouraged to transition to Swift Package Manager, which offers native integration with Xcode and better long-term support from Apple.