توسعه نرم افزار نیاز به ایجاد محصولات جدید دارد و با سرعت WARP و بدون وقفه در تحویل مداوم تحویل داده می شود. به عنوان ستون فقرات تیم های نرم افزاری مدرن ، DevOps به تماس پاسخ می دهد. با این حال ، تقاضا در حال تشدید است و ترک ها شروع به نمایش می کنند. فرسودگی شغلی شایع است ، ابزارهای مشاهده ای تیم هایی با سر و صدا هستند و قول سرعت توسعه دهنده اغلب مانند اعتیاد به بازاریابی خالی است.
خوشبختانه ، هوش مصنوعی قدم می گذارد تا به Devops یک دست بدهد. ترکیبی از سرعت ، بینش و سادگی آن کلید اصلی است که موج را تبدیل می کند.
آنچه بیشتر شرکت ها در مورد مشاهده اشتباه می کنند
از هر مهندس DevOps در مورد رعایت، و در مورد داشبورد ، سیاهههای مربوط ، آثار و معیارها می شنوید. شرکت ها غالباً خود را به “ردیابی همه چیز” افتخار می کنند ، و پشته های مانیتورینگ پیچیده ای را ایجاد می کنند که جریان های بی پایان داده ها را نشان می دهند.
اما مشکل اینجاست: مشاهده در مورد میزان جمع آوری داده ها نیست. در عوض ، این در مورد درک داستان پشت داده ها است.
یک خانه می تواند 10 دوربین امنیتی داشته باشد ، اما اگر هیچکدام از آنها به سمت درب جلو حرکت نمی کنند ، ممکن است یک متجاوز را از دست ندهید. متأسفانه ، این وضعیتی است که بسیاری از تیم ها خود را پیدا می کنند: غرق شدن در معیارها اما هنوز قادر به مشخص کردن علت اصلی یک مشکل نیستند. مشاهده قرار است تصمیمات را ساده کند ، آنها را پیچیده نمی کند.
آنچه از دست رفته متن است.
ابزارهای مشاهده باید نقاط را به هم وصل کنند و به تیم ها کمک کنند تا درک کنند که چه چیزی مهم است و از همه مهمتر ، چرا این اتفاق می افتد. به عنوان مثال ، به جای اینکه فقط نشان دهیم که استفاده از CPU در حال افزایش است ، آنها باید توضیح دهند که آیا این امر به دلیل استقرار جدید ، الگوهای ترافیکی یا عدم موفقیت در خدمات بالادست است. اگر تیم شما برای درک پشته نظارت شما به دکترای علوم داده نیاز دارد ، این نکته را از دست داده اید. بهترین ابزارها شما را به سمت بینش های عملی که تأثیر مستقیمی در تجارت شما دارند ، راهنمایی می کنند.
هوش مصنوعی در اینجا مهم است. این به تیم های DevOps کمک می کند تا با ارائه تجزیه و تحلیل غنی و متنی از رفتار سیستم ، سر و صدا را کاهش دهند. به جای مجبور کردن مهندسین برای جابجایی در کوههای داده های خام ، ناهنجاری های سطح هوش مصنوعی ، وقایع همبستگی را نشان می دهد و حتی راه حل ها را نیز پیشنهاد می کند. این تغییر بیشتر از صرفه جویی در وقت است. این در مورد توانمندسازی مهندسان است تا به جای شکار برای آنها ، روی حل مشکلات تمرکز کنند.
چرا تیم های DevOps در حال سوختن هستند
Devops قرار بود کلید هماهنگی توسعه و عملیات باشد ، اما برای بسیاری از تیم ها ، این کار به یک کار هرکولایی تبدیل شده است. از مهندسان DevOps انتظار می رود که کلاه های زیادی را بین کد حمل و نقل ، مقیاس بندی زیرساخت ها ، وصله آسیب پذیری های امنیتی ، پاسخ دادن به هشدارها در ساعت 2 صبح و بهینه سازی سرعت – همه در حالی که به روزرسانی بی عیب و نقص هستند ، بپوشند.
به جای یک کار ، به پنج شغل تبدیل شده است که به یک نفر تبدیل شده است. نتیجه؟ فرسودگیبشر
تیم های DevOps دائماً در حالت آتش نشانی گرفتار می شوند و عجله می کنند که یک آتش سوزی را بعد از دیگری بیرون بیاورند در حالی که دانستن دیگری در گوشه و کنار است. اما این فرهنگ واکنشی خلاقیت ، انگیزه و تفکر طولانی مدت را از بین می برد. دائماً در تماس ، هم کارمندان انفرادی و هم توانایی کل تیم در نوآوری و رشد را به خود جلب می کند.
بخشی از مشکل در نحوه نزدیک شدن سازمانها به DevOps نهفته است. آنها به جای طراحی سیستمهایی که می توانند خود را مدیریت کنند ، به مهندسان به عنوان باند انسانی ، وصله معماری ضعیف و کار تکراری که باید مدتها قبل به صورت خودکار انجام می شد ، تکیه می کنند. این رویکرد “مردم اول” برای قابلیت اطمینان سیستم ناپایدار است.
هوش مصنوعی راهی برای خروج ارائه می دهد. AI با خودکار کردن وظایف سنگین مانند وضوح هشدار ، تشخیص ناهنجاری و همبستگی ورود به سیستم ، می تواند کار ناخوشایندی را که در حال حاضر انرژی انسان را تخلیه می کند ، شانه کند.
به جای اینکه مهندسین را در ساعت 2 صبح برای مثبت های کاذب بیدار کنیم ، هوش مصنوعی می تواند هشدارها را فیلتر کند و فقط کسانی را که واقعاً مهم هستند ، تشدید کنند و تیم ها را قادر می سازد تا از آتش نشانی واکنشی به پیشرفت سیستم فعال حرکت کنند. به طور خلاصه ، هوش مصنوعی جایگزین DevOps نمی شود اما بار را سبک می کند و به مهندسان اتاق تنفس مورد نیاز برای تعالی می دهد.
چگونه AI می تواند بار را سبک کند
ایده زیرساخت هایی که “خود را حفظ می کند” مدتهاست که رویایی برای DevOps بوده است. با هوش مصنوعی ، این به واقعیت تبدیل شده استبشر هوش مصنوعی در اصل دستیار هر مهندس DevOps است که آرزو می کند ، سه مزیت اصلی را ارائه می دهد: تشخیص ناهنجاری در زمان واقعی ، مدل سازی پیش بینی خرابی و وضوح خودکار و پیشنهادات.
با تشخیص ناهنجاری در زمان واقعی ، هوش مصنوعی می تواند به محض ظهور ، مسائل را پرچم گذاری کند ، و فراتر از “خستگی هشدار” معمولی که بسیاری از تیم ها تجربه می کنند. با تجزیه و تحلیل الگوهای و خطوط پایه ، هوش مصنوعی می داند که چه چیزی طبیعی است و چه چیزی مشکل ساز است و در نتیجه کمتر مثبت کاذب و تشخیص سریعتر تهدیدهای واقعی است.
با تشکر از مدل سازی پیش بینی شکست ، هوش مصنوعی می تواند مسائل امروز را تشخیص دهد و فردا را پیش بینی کندبشر با تجزیه و تحلیل روندهای تاریخی ، هوش مصنوعی می تواند مشکلاتی مانند فرسودگی منابع یا تنگناهای ترافیکی را پیش بینی کند و قبل از تشدید راه حل ها را پیشنهاد کند.
سرانجام ، وضوح و پیشنهادات خودکار ، هوش مصنوعی را قادر می سازد تا از هشدارها فراتر رود و اقدامی انجام دهد. به عنوان مثال ، اگر یک سرویس به دلیل محدودیت حافظه خراب شود ، ممکن است یک ابزار با قدرت AI به طور خودکار آن را مقیاس کند. یا ممکن است اصلاحات را توصیه کند ، به جای اینکه آنها را برای عیب یابی کورکورانه به مهندسان ارائه دهد.
زیبایی AI در DevOps این است که سعی نمی کند مهندسین را جایگزین کند. آنها را تقویت می کند. تصور کنید که زمان کمتری را برای پیمایش در سیاهههای مربوط و زمان بیشتری برای طراحی سیستم هایی که تجارت را به جلو سوق می دهد ، صرف کنید. این همان وعده ای است که AI ارائه می دهد.
افزایش سرعت توسعه دهنده بدون قربانی کردن امنیت یا کیفیت
سرعت برای تیم های توسعه به Grail مقدس تبدیل شده است. شرکت ها می خواهند زودتر مشتری های سریعتر را منتشر کنند ، سریعتر تکرار کنند و از آنها لذت ببرند ، اما سرعت بدون نگهبان می تواند به دلیل محصولات با کیفیت پایین ، خطرات امنیتی و کاربران ناامید منجر به هرج و مرج شود. بنابراین ، چگونه مشاغل می توانند بدون دعوت از فاجعه ، سرعت را افزایش دهند؟
راز در از بین بردن اصطکاک نهفته است ، نه برش گوشه ها. سرعت در مورد عجله و بیشتر در مورد ساده سازی فرآیندهای و از بین بردن مسدود کننده ها کمتر است.
سیستم های خودکار به جای انتظار برای چرخه QA برای گرفتن اشکالات ، می توانند قبل از ادغام ، هر قطعه کد را آزمایش کنند. هوش مصنوعی حتی می تواند الگوهای موجود در ساختهای ناموفق را تشخیص دهد ، و بازخورد عملی را برای توسعه دهندگان زودتر مشاهده می کند.
امنیت نباید پس از آن باشد که در انتها روی خط لوله قرار گرفته است. ابزارهای دارای هوش مصنوعی می توانند آزمایش امنیت پویا را در هر مرحله از توسعه ادغام کنند و آسیب پذیری ها را قبل از رسیدن به تولید بدست آورند.
توسعه دهندگان برای استقرار کد خود نیازی به ده ها مصوبه ندارند. هوش مصنوعی می تواند نگهبانان را اجرا کند ، و اطمینان حاصل کند که آنچه حمل می شود ایمن و به خوبی آزمایش شده است بدون اینکه تیم های سنگین با چک دستی داشته باشند.
تیم های مهندسی با اجازه دادن به AI وظایف تکراری و اطمینان از کیفیت ، خودمختاری را به دست می آورند تا بدون به خطر انداختن ارزش سریع حرکت کنند. سرعت در مورد سیستم های ساختمانی است که سرعت و ثبات در هماهنگی با هم کار می کنند.
با هوش مصنوعی ، مهندسان دیگر در سیاهههای مربوط به دفن نمی شوند و یا برای خاموشی های قابل اجتناب از خواب بیدار نمی شوند. آنها معماران هستند ، سیستم هایی را طراحی می کنند که به صورت خودمختار می آموزند ، به خودی خود می آموزند. آنها به جای غرق شدن در سر و صدا ، در حال کار بر روی پیشرفت های معنی دار هستند که نتایج کسب و کار را هدایت می کند. هوش مصنوعی Devops را سریعتر می کند و لمس انسان را زنده می کند.
به جای یک اسپرینت ، آینده DevOps یک سفر پایدار و پایدار به سمت سیستم های باهوش تر است. و با پاک کردن مسیر ، تیم ها سرانجام می توانند بدون استرس سرعت را در آغوش بگیرند.
از این گذشته ، فناوری باید ما را توانمند کند ، نه ما را خسته کند.
