For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
随着互联网的不断发展,无论是云计算还是人工智能技术都得到了广泛的应用,而本文我们就简单来了解一下,不同技术应用对DevOps的影响力都有哪些。
DevOps和安全没有冲突,DevSecOps也是一个流行词,因为DevOps解决方案应该基于自动化工具链实现,基于这个前提,安全应该是工具链上不可少的环节,好的工具链应该可以兼容各种三方安全类的组件或产品,使得代码缺陷、版本漏洞等安全类隐患在DevOps工具链运行过程中被自动扫描甚至纠正,并且尽量左移以减少研发测试运维等各类工程师的无效人肉投入,因此质量、效率、成本和安全等诉求在DevOps理念中完全可以兼顾。
云原生概念由三驾马车驱动:DevOps、微服务、容器化。
微服务给业务架构解耦,容器为其提供一致性的细粒度版本和运行时环境,而DevOps理念则跨越代码的全生命周期,串接了包括微服务开发和容器编排在内的所有研运核心节点,如果没有DevOps的整合,另外两个概念对于研发工程师来说只是研发架构发生了改变,对运维工程师来说只是部署方式发生了改变而已,无法实现全链路的质量效率优化,难以进行持续的过程改进,也不容易促进不同岗位人员之间的协同。
DevOps在应用交付到云原生基础架构之前,提供了方法论、工具链平台来支撑软件研发和测试的全过程;在部署交付的时候,又作为管道交付软件到底层容器平台,没有DevOps,云原生难以被广泛应用。
未来人工智能、机器学习的发展,可以在DevOps全链路有很多的应用场景:
-更智能的CodeReview,甚至指导开发修复问题代码;
-自动识别迭代规划不合理、质量问题风险预警,甚至给出更智能的建议;
-自动生成更准确的测试用例,发现测试风险;
-自动发现从需求提出到生产发布过程中存在瓶颈,给出精益改进建议;
-AIOps分析监控应用部署及运行,进行根因分析和智能修复。
-代码自动生成……
总之,人工智能、机器学习未来可以让DevOps可以做到更加智能、使用的门槛会更低。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。