人工智能和机器学习将如何发展DevOps

自动化浪潮已遍及各地的IT部门，使DevOps成为基础架构技术的关键部分。DevOps通过自动化软件交付并允许公司将软件推向市场的速度更快，同时发布更可靠的产品，从而提高了效率。DevOps的下一步是什么?我们只需要关注人工智能和机器学习。

大多数组织很快就意识到了AI和机器学习的希望，但往往无法理解如何正确利用它们来改善系统。DevOps并非如此。DevOps具有一些自然缺陷，如果没有机器学习和人工智能的计算能力，就很难解决。它们是推进数字化转型的关键。这是AI和机器学习推进DevOps的三个领域 。

1.复杂应用程序的模式分析

随着我们技术堆栈的增长，我们系统的复杂性变得越来越大。考虑一个分布式应用程序架构，其中IoT设备与Kubernetes集群上运行的微服务联系。潜在的故障点很多，数据点持续记录每个事务。筛选大量数据存储以查明问题的根本原因对于团队而言可能是非常耗时的。人类不是为这种工作而建造的。这是人工智能和机器学习蓬勃发展的地方。

通过机器学习，我们可以构建模型来分析隐藏在这些数据山中的模式。它可以识别异常，识别根本原因并为潜在的优化提供建议。通过这种预测性分析，机器学习不仅可以帮助我们确定侵蚀我们系统的问题，而且可以在问题变成问题之前就将其捕获。通过执行早期的预测和通知，我们可以解决问题，因为它们会逐步进入开发流程，因此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，以帮助我们优化应用程序。它可以检查用户行为，以确定哪些应用程序模块和功能正在执行最繁重的工作，因此我们可以集中精力改善这些方面的用户体验。我们还可以将当前版本与以前的版本进行比较，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保持在发布计划的最前沿。

在使用AI跟踪安全威胁时，我们可以很容易地看到黑客试图破坏我们系统的位置，以便我们加强防御。如果拒绝服务攻击是针对组织的，我们可以启动决策引擎以最大程度地减少对业务的影响。恶意黑客并不是AI可以控制的唯一威胁。它可以实时地搅动数据以发现与异常数据模式相关的欺诈活动。没有道德上的胜利发现雇员在过去一年中将其虹吸掉时损失了100,000美元。

3.增加自动化

Chatsworth产品带给您

DevOps为我们的发布流程带来了自动化和一致性。尽可能尝试，仍然有一些区域需要人员来管理该过程。借助AI，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，专注于创新解决方案。

我们不仅可以让AI使我们的DevOps流程自动化，而且还可以使它在没有人工干预的情况下进一步自我修复。还不准备让计算机自行管理吗?AI可以推荐解决方案，以编写更高效和性能更高的代码。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步应解决的问题时有指示。

有人可能会说，我们实质上是在谈论AIOps。在一定程度上，这是事实。但是，可以提出这样的论据，即不存在明确的边界，这些边界标志着DevOps结束和AIOps开始的位置。两者之间的重叠可能非常重要，AIOps迅速成为DevOps从业人员工具包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环境中实施人工智能和机器学习。供应商正在积极创建令人印象深刻的工具来与DevOps流程集成。一些IT部门正在承担起自己的责任，创建了专门针对其业务需求的定制AI解决方案。

无论您采用何种方式，人工智能和机器学习都不再只是在水冷却器上流行的流行语。他们可以通过帮助您更快地解决问题，在出现问题之前预测性能问题，甚至可以在有机会成为问题之前解决问题，来严重扩充您的团队。当您将DevOps与AI结合使用时，我们仍在探索可能的表面。现在该拥抱这些可能性了。

马克·鲁尼恩(Mark Runyon)是乔治亚州亚特兰大市(Improving)的首席顾问。他擅长利用云技术从事企业应用程序的体系结构和开发。他经常为Enterprisers Project演讲，并担任撰稿人。

InformationWeek社区将IT从业人员和行业专家聚集在一起，并提供IT建议，教育和意见。我们努力强调技术主管和主题专家，并利用他们的知识和经验来帮助我们的IT受众... 查看完整生物