人工智能和機(jī)器學(xué)習(xí)將如何發(fā)展DevOps

自動(dòng)化浪潮已遍及各地的IT部門，使DevOps成為基礎(chǔ)架構(gòu)技術(shù)的關(guān)鍵部分。DevOps通過自動(dòng)化軟件交付并允許公司將軟件推向市場(chǎng)的速度更快，同時(shí)發(fā)布更可靠的產(chǎn)品，從而提高了效率。DevOps的下一步是什么?我們只需要關(guān)注人工智能和機(jī)器學(xué)習(xí)。

大多數(shù)組織很快就意識(shí)到了AI和機(jī)器學(xué)習(xí)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(jī)器學(xué)習(xí)和人工智能的計(jì)算能力，就很難解決。它們是推進(jìn)數(shù)字化轉(zhuǎn)型的關(guān)鍵。這是AI和機(jī)器學(xué)習(xí)推進(jìn)DevOps的三個(gè)領(lǐng)域 。

1.復(fù)雜應(yīng)用程序的模式分析

隨著我們技術(shù)堆棧的增長，我們系統(tǒng)的復(fù)雜性變得越來越大?？紤]一個(gè)分布式應(yīng)用程序架構(gòu)，其中IoT設(shè)備與Kubernetes集群上運(yùn)行的微服務(wù)聯(lián)系。潛在的故障點(diǎn)很多，數(shù)據(jù)點(diǎn)持續(xù)記錄每個(gè)事務(wù)。篩選大量數(shù)據(jù)存儲(chǔ)以查明問題的根本原因?qū)τ趫F(tuán)隊(duì)而言可能是非常耗時(shí)的。人類不是為這種工作而建造的。這是人工智能和機(jī)器學(xué)習(xí)蓬勃發(fā)展的地方。

通過機(jī)器學(xué)習(xí)，我們可以構(gòu)建模型來分析隱藏在這些數(shù)據(jù)山中的模式。它可以識(shí)別異常，識(shí)別根本原因并為潛在的優(yōu)化提供建議。通過這種預(yù)測(cè)性分析，機(jī)器學(xué)習(xí)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(yù)測(cè)和通知，我們可以解決問題，因?yàn)樗鼈儠?huì)逐步進(jìn)入開發(fā)流程，因此很少有產(chǎn)品投入生產(chǎn)。

2.跟蹤用戶行為和安全性

人工智能和機(jī)器學(xué)習(xí)可以分析使用數(shù)據(jù)和安全威脅，以幫助我們優(yōu)化應(yīng)用程序。它可以檢查用戶行為，以確定哪些應(yīng)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(yàn)。我們還可以將當(dāng)前版本與以前的版本進(jìn)行比較，以提醒您性能略有下降。通過不斷評(píng)估用戶行為，AI可以幫助我們將用戶體驗(yàn)保持在發(fā)布計(jì)劃的最前沿。

在使用AI跟蹤安全威脅時(shí)，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(qiáng)防御。如果拒絕服務(wù)攻擊是針對(duì)組織的，我們可以啟動(dòng)決策引擎以最大程度地減少對(duì)業(yè)務(wù)的影響。惡意黑客并不是AI可以控制的唯一威脅。它可以實(shí)時(shí)地?cái)噭?dòng)數(shù)據(jù)以發(fā)現(xiàn)與異常數(shù)據(jù)模式相關(guān)的欺詐活動(dòng)。沒有道德上的勝利發(fā)現(xiàn)雇員在過去一年中將其虹吸掉時(shí)損失了100,000美元。

3.增加自動(dòng)化

Chatsworth產(chǎn)品帶給您

DevOps為我們的發(fā)布流程帶來了自動(dòng)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(dòng)化繁瑣的人為錯(cuò)誤任務(wù)。這種自動(dòng)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(dòng)化，而且還可以使它在沒有人工干預(yù)的情況下進(jìn)一步自我修復(fù)。還不準(zhǔn)備讓計(jì)算機(jī)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(yù)期影響的優(yōu)先級(jí)，以便開發(fā)團(tuán)隊(duì)在確定下一步應(yīng)解決的問題時(shí)有指示。

有人可能會(huì)說，我們實(shí)質(zhì)上是在談?wù)揂IOps。在一定程度上，這是事實(shí)。但是，可以提出這樣的論據(jù)，即不存在明確的邊界，這些邊界標(biāo)志著DevOps結(jié)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(shù)。今天，我們可以在我們的DevOps環(huán)境中實(shí)施人工智能和機(jī)器學(xué)習(xí)。供應(yīng)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(dān)起自己的責(zé)任，創(chuàng)建了專門針對(duì)其業(yè)務(wù)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(jī)器學(xué)習(xí)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(xiàn)問題之前預(yù)測(cè)性能問題，甚至可以在有機(jī)會(huì)成為問題之前解決問題，來嚴(yán)重?cái)U(kuò)充您的團(tuán)隊(duì)。當(dāng)您將DevOps與AI結(jié)合使用時(shí)，我們?nèi)栽谔剿骺赡艿谋砻妗，F(xiàn)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(shù)從事企業(yè)應(yīng)用程序的體系結(jié)構(gòu)和開發(fā)。他經(jīng)常為Enterprisers Project演講，并擔(dān)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(qiáng)調(diào)技術(shù)主管和主題專家，并利用他們的知識(shí)和經(jīng)驗(yàn)來幫助我們的IT受眾... 查看完整生物