DevOps旨在加速軟件開(kāi)發(fā)流程，在不影響代碼質(zhì)量的前提下，更快為客戶提供價(jià)值。過(guò)去十年以來(lái)，傳統(tǒng)DevOps已經(jīng)度過(guò)了很長(zhǎng)一段發(fā)展周期。如今，企業(yè)組織開(kāi)始遵循DevOps原理建立CI/CD管道。但在大多數(shù)情況下，團(tuán)隊(duì)仍在依靠手動(dòng)流程與人為驅(qū)動(dòng)建立自動(dòng)化流程組合。很明顯，這樣的優(yōu)化程度并沒(méi)有達(dá)到理想或者理論意義上的極限。

[[360131]]

最近，DevOps的理論高地迎來(lái)了AI與ML兩股技術(shù)力量。相關(guān)工具開(kāi)始融合，并在傳統(tǒng)DevOps工具棧中并發(fā)出巨大的能量。從決策流程改進(jìn)到操作與代碼質(zhì)量增強(qiáng)自動(dòng)化，DevOps在AI(人工智能)與ML(機(jī)器學(xué)習(xí))的雙料加持之下迎來(lái)了更光明的發(fā)展前景。下面，我們具體探討其中的幾大亮點(diǎn)：

第一，自動(dòng)代碼審查。在軟件開(kāi)發(fā)的早期階段，從編碼本身開(kāi)始，AI與ML工具已經(jīng)能夠基于表達(dá)管理引導(dǎo)性數(shù)據(jù)集(即根據(jù)需要的機(jī)器行為與響應(yīng)，為機(jī)器學(xué)習(xí)算法提供輸入數(shù)據(jù))執(zhí)行自動(dòng)代碼審查與代碼分析。這一切，將極大減輕人類(lèi)在代碼質(zhì)量管理中的工作量。

此外，借助代碼管理與協(xié)作工具，用戶可以自動(dòng)在團(tuán)隊(duì)成員之間分發(fā)審核工作量。這一流程能夠由此類(lèi)算法更早發(fā)現(xiàn)代碼缺陷、安全性問(wèn)題以及代碼質(zhì)量問(wèn)題。這些工具還可減少代碼審查中的噪聲。除了檢測(cè)缺陷之外，自動(dòng)代碼審查還負(fù)責(zé)強(qiáng)制執(zhí)行編碼與安全標(biāo)準(zhǔn)。

第二，自動(dòng)代碼分析工具。由AI與ML支持的智能工具，例如代碼分析與改進(jìn)工具，能夠從包含數(shù)百萬(wàn)行代碼的報(bào)告中學(xué)習(xí)，據(jù)此掌握代碼表達(dá)的意圖并記錄開(kāi)發(fā)人員所做出的更改。以此為基礎(chǔ)，這些智能工具即可通過(guò)分析為每一行代碼提出建議。

其他方案則可通過(guò)不同的角度分析代碼。在分析來(lái)自開(kāi)源項(xiàng)目的數(shù)百萬(wàn)條代碼之后，機(jī)器學(xué)習(xí)工具能夠提供有效的性能調(diào)優(yōu)結(jié)論，包括找出運(yùn)行成本最高的代碼行，并避免這些代碼損害應(yīng)用程序的響應(yīng)時(shí)間。這些工具能夠發(fā)現(xiàn)代碼中的問(wèn)題，例如資源泄漏、潛在的并發(fā)爭(zhēng)用以及被白白浪費(fèi)掉的CPU周期。更重要的是，這些工具可以在代碼審查階段及應(yīng)用程序性能監(jiān)控階段與CI/CD管道順暢集成。

在對(duì)新功能進(jìn)行編碼之后，開(kāi)發(fā)人員便可以研究如何開(kāi)發(fā)由AI及ML驅(qū)動(dòng)的自動(dòng)化單元測(cè)試。在開(kāi)發(fā)沖刺階段，這種智能單元測(cè)試工具能夠幫助開(kāi)發(fā)者節(jié)約20%左右的時(shí)間。

第三，自我修復(fù)測(cè)試。在完成構(gòu)建及集成工作之后，下一階段就是實(shí)施功能與非功能測(cè)試。在此階段，使用AI與ML創(chuàng)建代碼并執(zhí)行自我修復(fù)測(cè)試/維護(hù)，已經(jīng)在DevOps領(lǐng)域成為現(xiàn)實(shí)。

當(dāng)然，測(cè)試自動(dòng)化本身也可能成為巨大的瓶頸，也成為不少項(xiàng)目頻頻延期的原因。不夠可靠的、不穩(wěn)定的自動(dòng)化流程拖慢了測(cè)試過(guò)程，而這種不穩(wěn)定性往往源自受測(cè)應(yīng)用程序乃至測(cè)試流程中各類(lèi)元素的快速變化。智能技術(shù)的出現(xiàn)有助于識(shí)別這些變化并立即調(diào)整測(cè)試方法，借此實(shí)現(xiàn)測(cè)試流程的穩(wěn)定性與可靠性。

第四，低代碼/無(wú)代碼工具。對(duì)于移動(dòng)及Web應(yīng)用而言，以往我們需要投入巨量資源培養(yǎng)相關(guān)人才，來(lái)獲取穩(wěn)定可靠的代碼測(cè)試技能。在這方面，AI與ML測(cè)試工具能夠全面學(xué)習(xí)應(yīng)用程序流程、屏幕內(nèi)容與元素，最終以低代碼甚至無(wú)代碼方式自動(dòng)生成測(cè)試。這些工具還可以在每輪測(cè)試中自我完善以增強(qiáng)測(cè)試質(zhì)量。

低代碼或無(wú)代碼工具允許團(tuán)隊(duì)成員參與到自動(dòng)化測(cè)試的開(kāi)發(fā)中來(lái)。在完成之后，開(kāi)發(fā)者將節(jié)約下大量時(shí)間，可以將精力投入到其他更為緊迫的工作當(dāng)中——例如開(kāi)發(fā)其他創(chuàng)新型功能。

第五，機(jī)器人流程自動(dòng)化。RPA(機(jī)器人流程自動(dòng)化)將使用AI與ML實(shí)現(xiàn)自動(dòng)化測(cè)試推向了新的層面。此類(lèi)技術(shù)能夠在大型組織當(dāng)中將大量以往需要手動(dòng)執(zhí)行、耗時(shí)、易出錯(cuò)且難以自動(dòng)化的流程轉(zhuǎn)為自動(dòng)操作。

第六，測(cè)試影響分析工具。測(cè)試執(zhí)行完成之后，即可由AI與ML測(cè)試影響分析(TIA)工具接手，指導(dǎo)決策者判斷需要在后續(xù)版本中繼續(xù)進(jìn)行哪些測(cè)試，而哪些測(cè)試在后續(xù)流程中可以剔除。另外，在同一測(cè)試類(lèi)別之下，AI與ML算法可以根據(jù)引導(dǎo)性測(cè)試數(shù)據(jù)確定引發(fā)故障的根本原因，借此顯著縮短平均解決時(shí)間(MTTR)。

第七，AIOps。在DevOps流程的后期，即將代碼部署到生產(chǎn)環(huán)境之前與之后，AI與ML成為引領(lǐng)AIOps發(fā)展的新興技術(shù)。完整的AIOps解決方案不僅涵蓋智能APM(應(yīng)用程序性能監(jiān)控)，同時(shí)也引入ITIM(IT基礎(chǔ)設(shè)施監(jiān)控)與ITSM(IT服務(wù)監(jiān)控)機(jī)制。二者共同構(gòu)成了生產(chǎn)與運(yùn)營(yíng)洞見(jiàn)分析的綜合層級(jí)，能夠在大數(shù)據(jù)之上運(yùn)行并針對(duì)先進(jìn)的現(xiàn)代軟件架構(gòu)(微服務(wù)、云架構(gòu)等)起效。

借助基于AI的運(yùn)營(yíng)功能，團(tuán)隊(duì)可以專(zhuān)注于確定應(yīng)用程序的服務(wù)運(yùn)行狀況，同時(shí)全面跟進(jìn)生產(chǎn)數(shù)據(jù)的控制與可見(jiàn)性。

借助基于AI的運(yùn)營(yíng)功能，團(tuán)隊(duì)可以專(zhuān)注于確定應(yīng)用程序的服務(wù)運(yùn)行狀況，同時(shí)全面跟進(jìn)生產(chǎn)數(shù)據(jù)的控制與可見(jiàn)性。以此為基礎(chǔ)，DevOps能夠使用實(shí)時(shí)自動(dòng)事件管理進(jìn)一步縮短MTTR。其中AI與ML將負(fù)責(zé)為生產(chǎn)級(jí)應(yīng)用程序提供日志可觀察性、趨勢(shì)匯總以及相應(yīng)預(yù)測(cè)結(jié)果。

在AIOps組合中使用這些工具，團(tuán)隊(duì)可以減少并預(yù)防服務(wù)宕機(jī)(預(yù)測(cè)性警報(bào))，加快故障解決處理速度，快速分析大型日志文件，并從中找出引發(fā)問(wèn)題的根本原因與所屬類(lèi)別，如安全性、網(wǎng)絡(luò)、服務(wù)器等等。

總結(jié)

DevOps與人類(lèi)工程的探索永遠(yuǎn)不會(huì)消失，但在探索之旅中，我們完全可以運(yùn)用當(dāng)前成果優(yōu)化并加速以往難以自動(dòng)化或維護(hù)、且易于出錯(cuò)的環(huán)節(jié)。

AI與ML正是應(yīng)對(duì)這些挑戰(zhàn)的絕佳解決方案，決策者也可以通過(guò)分析各項(xiàng)問(wèn)題從此類(lèi)工具中獲取巨大價(jià)值。當(dāng)然，只有將這些解決方案與原有流程及工具無(wú)縫集成，才能真正獲得這種預(yù)期價(jià)值。如果AI與ML無(wú)法被輕松整合至標(biāo)準(zhǔn)DevOps工具棧內(nèi)，則項(xiàng)目將淪為空談，并最終衰退回傳統(tǒng)的軟件開(kāi)發(fā)實(shí)踐。