Erstatte mock-data med database-data på ThreatActor og ThreatActorDetailed page #56
+1,203
−787
Add this suggestion to a batch that can be applied as a single commit.
This suggestion is invalid because no changes were made to the code.
Suggestions cannot be applied while the pull request is closed.
Suggestions cannot be applied while viewing a subset of changes.
Only one suggestion per line can be applied in a batch.
Add this suggestion to a batch that can be applied as a single commit.
Applying suggestions on deleted lines is not supported.
You must change the existing code in this line in order to create a valid suggestion.
Outdated suggestions cannot be applied.
This suggestion has been applied or marked resolved.
Suggestions cannot be applied from pending reviews.
Suggestions cannot be applied on multi-line comments.
Suggestions cannot be applied while the pull request is queued to merge.
Suggestion cannot be applied right now. Please check back later.
Beskrivelse
Integrerte pagene: ThreatActor.tsx og ThreatActorDetailed.tsx med CyberDB, altså ersattet mockdata med ekte data via GraphQL og Apollo Client
Oppgaven ble delt i 2 faser: Først ThreatActor integrasjon, deretter ThreatActorDetailed integrasjon. På begge pagene ble det implementert pagination.
ThreatActorGrid (#54)
Backend
Frontend
ThreatActorDetailed (#55)
Backend
Frontend
Closes #54
Closes #55
KI deklarasjon
KI ble brukt som fagligveileder og progammeringsassistent gjennom arbeidet med Issue #54 og #55. Hovedmålet var å forstå sammenhenge, forstå og lære syntaxen, samt diskutere skalerbarhet ved ulike implementasjoner. KI genererte forslag, og aspekter ved forslagen ble disktert. F.eks var KI sånn sett ikke flink til å lage skalerbare spørringer i repositories. Dette ble validert av meg og rettet, bassert på tidligere sql kunnskap.
Underveis ble KI-genererte kodeforslag gjennomgått og tilpasset prosjektets eksisterende struktur og behov. Implementasjonen foregikk iterativt, der funksjonaliteten ble kontrollert ved hjelp av Apollo Sandbox og manuell testing i frontend. KI ble brukt til å løse mange små oppgaver underveis, som lot meg å henge med og forstå hva som man oppnåde med kodendringer. Dermed fungerte KI som et støtteverktøy for læring, mens de endelige løsningene ble valgt, tilpasset og integrert i prosjektet gjennom eget arbeid.