人工智能已經(jīng)在發(fā)揮作用的一個(gè)領(lǐng)域是DevOps，而且它注定會(huì)產(chǎn)生更大的影響。專家表示，人工智能和機(jī)器學(xué)習(xí)還有繼續(xù)增強(qiáng)DevOps的潛力，盡管許多組織已經(jīng)開始采用這種模型來提高應(yīng)用程序開發(fā)和其他業(yè)務(wù)領(lǐng)域的效率。

人工智能的自我學(xué)習(xí)、預(yù)測(cè)和自動(dòng)化能力將加速開發(fā)更有彈性、功能更豐富的應(yīng)用程序。

人工智能（ AI ）如今無處不在——或者至少看起來是這樣的。這項(xiàng)技術(shù)之所以具有很大的前景，是因?yàn)樗鼘槿匀恢饕揽渴謩?dòng)的業(yè)務(wù)流程實(shí)現(xiàn)各種自動(dòng)化，并為數(shù)據(jù)分析提供更多動(dòng)力。

人工智能已經(jīng)在發(fā)揮作用的一個(gè)領(lǐng)域是DevOps，而且它注定會(huì)產(chǎn)生更大的影響。專家表示，人工智能和機(jī)器學(xué)習(xí)還有繼續(xù)增強(qiáng)DevOps的潛力，盡管許多組織已經(jīng)開始采用這種模型來提高應(yīng)用程序開發(fā)和其他業(yè)務(wù)領(lǐng)域的效率。

Tata咨詢服務(wù)公司高科技行業(yè)/軟件部門和業(yè)務(wù)解決方案部門的業(yè)務(wù)主管Spandan Mahapatra表示，“人工智能和機(jī)器學(xué)習(xí)與DevOps將有著全方面的互聯(lián)互通”。

Mahapatra說：“許多公司已經(jīng)在他們的DevOps過程中不同程度地推動(dòng)了數(shù)字轉(zhuǎn)型，使它們能夠真正實(shí)現(xiàn)基于結(jié)果的成功”。“AI/ML正在提供優(yōu)化DevOps過程的解決方案。”

國(guó)際數(shù)據(jù)公司DevOps、多云管理、ITSM和軟件定義計(jì)算項(xiàng)目的副總裁Stephen Elliot說：“對(duì)大多數(shù)DevOps團(tuán)隊(duì)來說，利用人工智能還為時(shí)過早，但我們看到很多客戶開始考慮人工智能和數(shù)據(jù)分析可能為他們提供的機(jī)會(huì)。

Elliot說：“我們確實(shí)看到（基礎(chǔ)設(shè)施和運(yùn)營(yíng)）團(tuán)隊(duì)的分析能力有了巨大的提升，因?yàn)樵S多團(tuán)隊(duì)已經(jīng)部署了應(yīng)用程序性能或流分析服務(wù)來識(shí)別和解決問題”。“DevOps團(tuán)隊(duì)?wèi)?yīng)該考慮分析技術(shù)的使用，因?yàn)樗梢杂绊懥鞒绦室约皢栴}的識(shí)別和解決，同時(shí)改進(jìn)客戶體驗(yàn)，使業(yè)務(wù)結(jié)果更高效。”

擁抱新的潮流

其中的一家將人工智能和DevOps相結(jié)合的公司是Power Home reforming，該公司提供戶外家居改造產(chǎn)品。該公司創(chuàng)建了自己的專有技術(shù)平臺(tái)NITRO，涵蓋了從客戶關(guān)系管理（ CRM ）平臺(tái)到內(nèi)部社交網(wǎng)絡(luò)的所有內(nèi)容。

首席創(chuàng)新官Tim Wenhold說：“因?yàn)槲覀儗?shí)際上是一家開發(fā)公司，所以我們有一個(gè)真正的DevOps團(tuán)隊(duì)。”Power正在通過NITRO建立自己的人工智能基礎(chǔ)設(shè)施，其目標(biāo)是利用其掌握的數(shù)據(jù)寶庫(kù)，并允許人工智能和機(jī)器學(xué)習(xí)幫助其開發(fā)更好的客戶服務(wù)，提高效率并增強(qiáng)員工的能力。

Wenhold說，DevOps團(tuán)隊(duì)正在“研究如何將人工智能基礎(chǔ)設(shè)施投入使用”。“從本質(zhì)上講，我們的DevOps團(tuán)隊(duì)必須支持我們優(yōu)先考慮的開發(fā)環(huán)境。因此，在我們的世界里，人工智能和機(jī)器學(xué)習(xí)目前最大的影響與開發(fā)人員學(xué)習(xí)新技能有關(guān)。

Wenhold說，AI也在幫助DevOps進(jìn)入“預(yù)測(cè)狀態(tài)”。“例如，當(dāng)我們審視我們的持續(xù)集成過程時(shí)，它可以告訴我們應(yīng)該在哪里進(jìn)行更改以改進(jìn)CI管道，”他說。

又例如，在安全性方面，以往很難快速識(shí)別出那些令人擔(dān)憂的模式。“今天，我們需要很長(zhǎng)時(shí)間來查看與安全監(jiān)控相關(guān)的各種日志和報(bào)告，”Wenhold說。“當(dāng)您將機(jī)器學(xué)習(xí)應(yīng)用于識(shí)別威脅時(shí)，我們將能夠比當(dāng)前的實(shí)踐快1000倍地標(biāo)記異常。人工智能/機(jī)器學(xué)習(xí)將幫助DevOps團(tuán)隊(duì)更加積極主動(dòng)，而不是被動(dòng)反應(yīng)，它讓我們能夠更好地預(yù)測(cè)所有環(huán)境。”

正如商業(yè)智能（BI）和大數(shù)據(jù)旨在提供分析而不是簡(jiǎn)單的儀表板和報(bào)告一樣，人工智能將有助于推進(jìn)預(yù)測(cè)建模，從而使DevOps受益，”Wenhold說。

隨著人工智能變得更加強(qiáng)大，對(duì)DevOps的影響只會(huì)越來越大。“我們將進(jìn)入AI /ML不僅有助于快速標(biāo)記異常的階段;最終他們會(huì)幫助我們?cè)谖覀冞€不知道問題存在之前就解決問題，”Wenhold說。

這家公司有數(shù)百萬條記錄。“目前，我們扮演著偵探的角色：我們查看日志，發(fā)現(xiàn)異常并做出調(diào)整，”Wenhold說。“人工智能將通過為我們發(fā)現(xiàn)異常來改變這個(gè)過程。然后，它將告訴我們可能會(huì)發(fā)生什么，并提出改變以應(yīng)對(duì)威脅的選項(xiàng)。更進(jìn)一步的，人工智能將在事后告訴我們?yōu)榧m正異常所做的調(diào)整。這是令人興奮的事情。”

醫(yī)療保健公司Molina Healthcare也對(duì)AI/DevOps的趨勢(shì)充滿熱情。“我們已經(jīng)看到了價(jià)值和收益將來自哪里，”Molina Healthcare的首席信息官Rick Hopfer表示，該公司在2016年開始在DevOps領(lǐng)域使用人工智能。

Hopfer說：“我們?cè)噲D解決的問題是如何從我們的系統(tǒng)每天生成的所有事務(wù)日志中的大量數(shù)據(jù)中獲得洞察力”。“僅有一個(gè)收集信息的系統(tǒng)是不夠的，我們需要關(guān)注真正的問題，而不是所有的噪音。”

為了解決這個(gè)問題，該公司首先需要使其用于監(jiān)視應(yīng)用程序和基礎(chǔ)設(shè)施的所有現(xiàn)有工具合理化。其次，它需要匯總數(shù)據(jù)。這意味著將各種工具的遙測(cè)數(shù)據(jù)引入到一個(gè)中央平臺(tái)，關(guān)聯(lián)數(shù)據(jù)，并使用ML來識(shí)別真正的問題。第三，它需要著眼于趨勢(shì)和預(yù)測(cè)分析。

“這意味著要建立正確的視圖，以便數(shù)據(jù)的可視化并提高效率和主動(dòng)去管理這項(xiàng)技術(shù)，”Hopfer說。“我們使用了一系列供應(yīng)商解決方案來實(shí)現(xiàn)這一目標(biāo)。結(jié)果是令人印象深刻的。它能夠幾乎實(shí)時(shí)地找到問題，大大縮短了解決問題的時(shí)間。”

未來就在眼前

Elliot表示，未來將基于分析能力，在CI / CD、客戶體驗(yàn)、問題管理等特定視角下采取行動(dòng)。“現(xiàn)實(shí)情況是，自動(dòng)化和分析就像花生醬和果凍一樣，兩者結(jié)合起來的效果要好得多，”他說。“因?yàn)檫@有助于技術(shù)和業(yè)務(wù)流程的加速，并在獨(dú)特的、特定的業(yè)務(wù)和技術(shù)情況下采取行動(dòng)。”

企業(yè)絕不應(yīng)將人工智能和機(jī)器學(xué)習(xí)視為未來的技術(shù)，因?yàn)樗鼈內(nèi)缃褚呀?jīng)可以對(duì)DevOps產(chǎn)生巨大的影響。

數(shù)據(jù)存儲(chǔ)和基礎(chǔ)設(shè)施管理提供商N(yùn)etApp的首席技術(shù)專家Andy Grimes表示：“DevOps可以提高新應(yīng)用程序的速度，但在后數(shù)字時(shí)代，DevOps必須與人工智能的數(shù)據(jù)需求相結(jié)合”。“DevOps方法和現(xiàn)代數(shù)據(jù)需求的結(jié)合創(chuàng)造了一種新的‘?dāng)?shù)據(jù)操作’模式。”

由于新的人工智能應(yīng)用程序需要以指數(shù)級(jí)的速度和規(guī)模聚合和準(zhǔn)備數(shù)據(jù)，“在這種新的數(shù)據(jù)操作模式中，開發(fā)人員需要與IT團(tuán)隊(duì)更加緊密地聯(lián)系在一起，并且必須了解人工智能應(yīng)用程序應(yīng)該在混合環(huán)境中的什么位置，”Grimes說。“現(xiàn)代DataOps還將包括邊緣數(shù)據(jù)的收集，核心本地?cái)?shù)據(jù)的聚合，使用云工具集增強(qiáng)的數(shù)據(jù)準(zhǔn)備，以及基于工具創(chuàng)新和業(yè)務(wù)持續(xù)發(fā)展而頻繁更改的必要架構(gòu)。”

Grimes說，隨著DataOps的不斷發(fā)展和人工智能和分析平臺(tái)的需要，數(shù)據(jù)將保持不變，而應(yīng)用程序和基礎(chǔ)設(shè)施將在不斷創(chuàng)新和迭代設(shè)計(jì)中不斷發(fā)展，以支持巨大的速度和數(shù)量。

全球IT解決方案提供商Larsen&Tourbo Infotech的執(zhí)行副總裁兼首席數(shù)據(jù)分析官Soumendra Mohanty說，人工智能帶來了三種不同的能力——自我學(xué)習(xí)、預(yù)測(cè)和自動(dòng)化——可以改進(jìn)當(dāng)前的DevOps實(shí)踐，如CI和CD，該公司通過包括實(shí)施AI在內(nèi)的數(shù)字轉(zhuǎn)型努力指導(dǎo)了許多企業(yè)客戶。

雖然DevOps為軟件交付提供了敏捷和更快的時(shí)間，但是交付過程中更大的一部分仍然缺少關(guān)鍵的組件，比如持續(xù)的創(chuàng)新和持續(xù)的反饋循環(huán)。

Mohanty說：“人工智能和機(jī)器學(xué)習(xí)需要以具有自學(xué)習(xí)能力的數(shù)據(jù)為基礎(chǔ)”。“這正是將AI和ML技術(shù)嵌入到DevOps任務(wù)和流程中非常有益的原因。”

例如，當(dāng)開發(fā)軟件代碼時(shí)，AI / ML可以通過模擬各種可能的場(chǎng)景來跟蹤最終用戶體驗(yàn)的處理程度。Mohanty說：“需求不再需要被凍結(jié)，最終用戶也不再是被動(dòng)的玩家”。“AI / ML在消除早期的基于規(guī)則的軟件開發(fā)中發(fā)揮了關(guān)鍵作用，并通過從數(shù)據(jù)中的學(xué)習(xí)帶來了很大的靈活性。”

AI和ML有助于跟蹤生產(chǎn)績(jī)效，并與過去的問題建立聯(lián)系，幫助了解提供了什么樣的解決方案，以及它們?cè)诙啻蟪潭壬鲜怯行У摹Ｄ承﹩栴}可以提前預(yù)測(cè)并自動(dòng)修復(fù)。Mohanty說：“AI / ML在DevOps上的這些干預(yù)不僅會(huì)使代碼開發(fā)、部署和生產(chǎn)運(yùn)行更加可預(yù)測(cè)，還可以提供一個(gè)持續(xù)的創(chuàng)新過程。”。

DevOps團(tuán)隊(duì)可以專注于開發(fā)的生命周期，并將不斷變化的需求牢記于心。“然而，預(yù)測(cè)代碼和數(shù)據(jù)管理的一個(gè)重要方面是他們沒有特定的關(guān)注點(diǎn)，”Mohanty說。“隨著AI / ML嵌入到DevOps流程中，DevOps團(tuán)隊(duì)可以深入了解代碼是如何執(zhí)行的，包括客戶旅程中的所有場(chǎng)景是否都得到解決了，過去的問題和解決方案是否都得到了考慮，等等。”

管理數(shù)據(jù)

人工智能還可以幫助管理DevOps環(huán)境中不斷增長(zhǎng)的數(shù)據(jù)量。

“AI/ML的應(yīng)用旨在發(fā)現(xiàn)大量數(shù)據(jù)的模式和趨勢(shì)，”卡耐基梅隆大學(xué)軟件工程學(xué)院CERT部門的網(wǎng)絡(luò)安全基金會(huì)技術(shù)經(jīng)理Eliezer Kanal說。

Kanal說：“這一領(lǐng)域在工業(yè)上的成功很大程度上源于‘大量的弱指標(biāo)’。”例如，如果你想知道外面的溫度，你可以去找一個(gè)單一的信息來源——溫度計(jì)——它是溫度的一個(gè)強(qiáng)有力的預(yù)測(cè)指標(biāo)。不幸的是，在許多情況下，我們沒有一種類似的傳感器，可以直接測(cè)量我們想要知道的東西，所以我們不得不依賴很多微弱的指標(biāo)。人類發(fā)現(xiàn)這類任務(wù)非常困難，但對(duì)于現(xiàn)代機(jī)器來說，這幾乎是微不足道的。

“DevOps充斥著大量數(shù)據(jù);提交注釋、發(fā)布跟蹤者評(píng)論、錯(cuò)誤報(bào)告、各種類型的日志文件，以及自動(dòng)化的代碼輸出。”Kanal說。這些數(shù)據(jù)經(jīng)常被開發(fā)團(tuán)隊(duì)直接用于陳述他們的目的：例如，Bug報(bào)告被用來理解什么是Bug。

Kanal說：“但是當(dāng)ML/AI被引入時(shí)，就可以得到更多的東西。”例如，通過檢查容易被報(bào)告的錯(cuò)誤類型，分析師可以發(fā)現(xiàn)一些次要的觀察結(jié)果，比如哪些模塊使用得最頻繁，哪些模塊最有可能出錯(cuò)，哪些模塊有最困難的錯(cuò)誤，等等與開發(fā)過程相關(guān)的其他非常有用的信息。

Kanal說：“通過使用bug報(bào)告系統(tǒng)作為開發(fā)環(huán)境的數(shù)據(jù)來源，而不是作為一個(gè)操作工具，公司可以大量地了解他們自己的開發(fā)實(shí)踐并提高他們的整體性能。”

這方面的另一個(gè)例子涉及到生產(chǎn)系統(tǒng)的管理。“現(xiàn)代系統(tǒng)會(huì)產(chǎn)生大量的日志，其中大部分都會(huì)在系統(tǒng)發(fā)生故障時(shí)用于事后處理，”Kanal說。“然而，通過將這些日志輸入到人工智能系統(tǒng)中，我們不僅能夠理解為什么會(huì)出現(xiàn)特定的故障，而且還能識(shí)別出在故障中可能難以檢測(cè)到的模式。”

Kanal說，AI / ML技術(shù)正迅速變得更容易融入到現(xiàn)有的產(chǎn)品中。許多技術(shù)供應(yīng)商已經(jīng)發(fā)布了API和工具包來幫助企業(yè)將這些能力融入到他們的產(chǎn)品中。

從這個(gè)角度來看，DevOps團(tuán)隊(duì)不僅會(huì)越來越熟悉這些技術(shù)本身，還會(huì)越來越熟悉如何將它們整合到軟件中。這將大大提高向最終用戶提供的軟件質(zhì)量。

Kanal說：“隨著AI / ML工具的使用和培訓(xùn)越來越廣泛，將有可能在未來的許多年里持續(xù)提高DevOps過程中AI / ML的影響力。”。