如今，人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的進(jìn)步為從傳感器驅(qū)動(dòng)的天氣預(yù)報(bào)到無人駕駛汽車再到智能聊天機(jī)器人的廣泛應(yīng)用提供了可能性。開發(fā)團(tuán)隊(duì)通過利用自動(dòng)化來快速原型化，迭代和改進(jìn)應(yīng)用程序，實(shí)現(xiàn)了這些突破。隨著AI用例的規(guī)模，范圍和復(fù)雜性的增加，DevOps迅速成為構(gòu)建和交付的首選方式，因?yàn)樗兄诳s短開發(fā)生命周期并提供具有高質(zhì)量軟件的連續(xù)交付。

本文概述了AI如何幫助DevOps團(tuán)隊(duì)更好地監(jiān)視，警報(bào)和解決生產(chǎn)管道中的問題，以推動(dòng)戰(zhàn)略業(yè)務(wù)收益，并探討了為確保企業(yè)為支持AI的DevOps做好準(zhǔn)備所需的內(nèi)部變更。

對(duì)啟用AI的DevOps的需求

DevOps工程師通過監(jiān)視網(wǎng)絡(luò)穩(wěn)定性，可用性和其他關(guān)鍵指標(biāo)來管理數(shù)據(jù)平臺(tái)的開發(fā)，測試和操作。DevOps團(tuán)隊(duì)面臨的一些常見挑戰(zhàn)包括管理多個(gè)庫和代碼版本，考慮適當(dāng)?shù)牟渴饏?shù)以避免應(yīng)用程序失敗以及在較短的時(shí)間內(nèi)自定義腳本以確保最佳性能。

如果有足夠的數(shù)據(jù)，則AI模型可以檢測DevOps流程中的特定模式，以幫助確定瓶頸并解決這些挑戰(zhàn)。AI還可以幫助克服傳統(tǒng)DevOps工具的局限性，尤其是在開發(fā)和生產(chǎn)工作流中監(jiān)視事件時(shí)。通常，當(dāng)超過用戶設(shè)置的閾值時(shí)，將觸發(fā)針對(duì)受監(jiān)視事件的警報(bào)。然后記錄事件，并向團(tuán)隊(duì)發(fā)出警報(bào)。

但是，這種反應(yīng)性方法取決于特定個(gè)人的響應(yīng)能力。此外，在安全監(jiān)控的情況下，由此類閾值觸發(fā)的警報(bào)可能會(huì)產(chǎn)生許多誤報(bào)。人工智能算法可以通過主動(dòng)識(shí)別模式并在潛在破壞發(fā)生之前警告團(tuán)隊(duì)，來幫助應(yīng)對(duì)這些挑戰(zhàn)。