自动化浪潮已经席卷了整个IT部门，使得DevOps成为基础设施技术的关键部分。DevOps通过自动化软件交付来提高效率，并允许公司更快地将软件推向市场，同时发布更可靠的产品。DevOps的下一步是什么？我们只需要专注于人工智能和机器学习。
大多数组织很快意识到了AI和机器学习的承诺，但他们往往无法理解如何正确使用它们来改善他们的系统。Ops不是这样的。DevOps有一些天生的缺陷，没有机器学习和人工智能的计算能力几乎无法解决。他们是推动数字化转型的关键。这是AI和机器学习推动DevOps的三个领域。
1.复杂应用程序的模式分析
随着我们技术栈的增长，我们系统的复杂性变得越来越大。考虑一个分布式应用架构，其中物联网设备与运行在Kubernetes集群上的微服务相连。潜在故障点很多，数据点连续记录每一笔交易。对于团队来说，筛选大量数据存储以找出问题的根本原因可能非常耗时。人类不是为这种工作而生的。这是人工智能和机器学习蓬勃发展的地方。
通过机器学习，我们可以建立模型来分析隐藏在这些数据山中的模式。它可以识别异常，确定根本原因，并提供潜在的优化建议。通过这种预测分析，机器学习不仅可以帮助我们识别侵蚀我们系统的问题，还可以在它们成为问题之前抓住它们。通过实现早期预测和通知，我们可以解决问题，因为它们会逐渐进入开发过程，所以很少有产品投入生产。
2.跟踪用户行为和安全性
人工智能和机器学习可以分析使用数据和安全威胁，帮助我们优化应用程序。它可以检查用户行为，以确定哪些应用模块和功能正在执行最繁重的工作，因此我们可以专注于改善这些领域的用户体验。我们还可以将当前版本与之前的版本进行对比，以提醒您性能略有下降。通过不断评估用户行为，AI可以帮助我们将用户体验放在发布计划的最前沿。
当使用AI追踪安全威胁时，我们可以很容易地看到黑客试图破坏我们系统的地方，从而加强我们的防御。如果拒绝服务攻击的目标是组织，我们可以启动决策引擎，以最大限度地减少对业务的影响。黑客攻击并不是AI可以控制的唯一威胁。它可以实时搅动数据，发现与异常数据模式相关的欺诈活动。没有道德胜利发现员工在过去的一年里损失了10万美元。
3.提高自动化程度
查茨沃斯产品带给你
DevOps为我们的出版流程带来了自动化和一致性。尽可能地尝试，仍然有一些领域需要人来管理过程。有了人工智能，我们可以继续自动化繁琐的人为错误任务。这种自动化释放了宝贵的IT资源，并专注于创新的解决方案。
我们不仅可以让AI自动化我们的DevOps过程，还可以让它在没有人类干预的情况下进一步自我修复。你不是要让电脑自己管理吗？AI可以推荐解决方案来编写更高效和高性能的代码。它甚至可以确定变更的预期影响的优先级，以便开发团队在确定下一个要解决的问题时可以有指示。
有些人可能会说，我们本质上是在谈论AIOps。在某种程度上，这是真的。但也可以认为没有明确的边界，这标志着DevOps的结束和AIOps的开始。这两者之间的重叠可能非常重要，AIOps很快成为DevOps从业者工具箱中必不可少的一部分。
这不是《星际迷航》。我们不考虑明天的技术。今天，我们可以在我们的DevOps环境中实现人工智能和机器学习。供应商正在积极开发令人印象深刻的工具来与DevOps流程集成。一些IT部门正在承担起他们的责任，并专门为他们的业务需求创建定制的人工智能解决方案。
无论你采用什么方法，人工智能和机器学习都不再只是饮水机上流行的流行语。它们可以帮助您更快地解决问题，在问题发生之前预测性能问题，甚至在问题有机会变成问题之前就解决问题，从而极大地扩展您的团队。当你把DevOps和AI结合起来的时候，我们还在探索可能的曲面。现在是时候拥抱这些可能性了。
马克鲁尼恩是佐治亚州亚特兰大的首席顾问。他擅长使用云技术的企业应用程序的架构和开发。他经常为企业家项目代言，也是一名作家。
InformationWeek社区汇集了IT从业者和行业专家，并提供IT建议、教育和意见。我们努力强调技术总监和主题专家，并利用他们的知识和经验来帮助我们的IT受众.查看完整简历
标签：
免责声明：本文由用户上传，如有侵权请联系删除！