人工智能和機器學習將如何發(fā)展DevOps

自動化浪潮已遍及各地的IT部門，使DevOps成為基礎架構技術的關鍵部分。DevOps通過自動化軟件交付并允許公司將軟件推向市場的速度更快，同時發(fā)布更可靠的產品，從而提高了效率。DevOps的下一步是什么?我們只需要關注人工智能和機器學習。

大多數組織很快就意識到了AI和機器學習的希望，但往往無法理解如何正確利用它們來改善系統(tǒng)。DevOps并非如此。DevOps具有一些自然缺陷，如果沒有機器學習和人工智能的計算能力，就很難解決。它們是推進數字化轉型的關鍵。這是AI和機器學習推進DevOps的三個領域 。

1.復雜應用程序的模式分析

隨著我們技術堆棧的增長，我們系統(tǒng)的復雜性變得越來越大?？紤]一個分布式應用程序架構，其中IoT設備與Kubernetes集群上運行的微服務聯(lián)系。潛在的故障點很多，數據點持續(xù)記錄每個事務。篩選大量數據存儲以查明問題的根本原因對于團隊而言可能是非常耗時的。人類不是為這種工作而建造的。這是人工智能和機器學習蓬勃發(fā)展的地方。

通過機器學習，我們可以構建模型來分析隱藏在這些數據山中的模式。它可以識別異常，識別根本原因并為潛在的優(yōu)化提供建議。通過這種預測性分析，機器學習不僅可以幫助我們確定侵蝕我們系統(tǒng)的問題，而且可以在問題變成問題之前就將其捕獲。通過執(zhí)行早期的預測和通知，我們可以解決問題，因為它們會逐步進入開發(fā)流程，因此很少有產品投入生產。

2.跟蹤用戶行為和安全性

人工智能和機器學習可以分析使用數據和安全威脅，以幫助我們優(yōu)化應用程序。它可以檢查用戶行為，以確定哪些應用程序模塊和功能正在執(zhí)行最繁重的工作，因此我們可以集中精力改善這些方面的用戶體驗。我們還可以將當前版本與以前的版本進行比較，以提醒您性能略有下降。通過不斷評估用戶行為，AI可以幫助我們將用戶體驗保持在發(fā)布計劃的最前沿。

在使用AI跟蹤安全威脅時，我們可以很容易地看到黑客試圖破壞我們系統(tǒng)的位置，以便我們加強防御。如果拒絕服務攻擊是針對組織的，我們可以啟動決策引擎以最大程度地減少對業(yè)務的影響。惡意黑客并不是AI可以控制的唯一威脅。它可以實時地攪動數據以發(fā)現與異常數據模式相關的欺詐活動。沒有道德上的勝利發(fā)現雇員在過去一年中將其虹吸掉時損失了100,000美元。

3.增加自動化

Chatsworth產品帶給您

DevOps為我們的發(fā)布流程帶來了自動化和一致性。盡可能嘗試，仍然有一些區(qū)域需要人員來管理該過程。借助AI，我們可以繼續(xù)自動化繁瑣的人為錯誤任務。這種自動化釋放了寶貴的IT資源，專注于創(chuàng)新解決方案。

我們不僅可以讓AI使我們的DevOps流程自動化，而且還可以使它在沒有人工干預的情況下進一步自我修復。還不準備讓計算機自行管理嗎?AI可以推薦解決方案，以編寫更高效和性能更高的代碼。它甚至可以確定變更的預期影響的優(yōu)先級，以便開發(fā)團隊在確定下一步應解決的問題時有指示。

有人可能會說，我們實質上是在談論AIOps。在一定程度上，這是事實。但是，可以提出這樣的論據，即不存在明確的邊界，這些邊界標志著DevOps結束和AIOps開始的位置。兩者之間的重疊可能非常重要，AIOps迅速成為DevOps從業(yè)人員工具包中必不可少的一部分。

這不是《星際迷航》。我們不考慮明天的技術。今天，我們可以在我們的DevOps環(huán)境中實施人工智能和機器學習。供應商正在積極創(chuàng)建令人印象深刻的工具來與DevOps流程集成。一些IT部門正在承擔起自己的責任，創(chuàng)建了專門針對其業(yè)務需求的定制AI解決方案。

無論您采用何種方式，人工智能和機器學習都不再只是在水冷卻器上流行的流行語。他們可以通過幫助您更快地解決問題，在出現問題之前預測性能問題，甚至可以在有機會成為問題之前解決問題，來嚴重擴充您的團隊。當您將DevOps與AI結合使用時，我們仍在探索可能的表面。現在該擁抱這些可能性了。

馬克·魯尼恩(Mark Runyon)是喬治亞州亞特蘭大市(Improving)的首席顧問。他擅長利用云技術從事企業(yè)應用程序的體系結構和開發(fā)。他經常為Enterprisers Project演講，并擔任撰稿人。

InformationWeek社區(qū)將IT從業(yè)人員和行業(yè)專家聚集在一起，并提供IT建議，教育和意見。我們努力強調技術主管和主題專家，并利用他們的知識和經驗來幫助我們的IT受眾... 查看完整生物