A szoftverfejlesztésben közvetlen összefüggés van a csapat teljesítménye és a robusztus, stabil alkalmazások építése között. Az adatközösség célja, hogy a szoftverfejlesztésben általánosan használt szigorú mérnöki elveket átvegye saját gyakorlatába, amely magában foglalja a tervezés, fejlesztés, tesztelés és karbantartás szisztematikus megközelítését. Ehhez az alkalmazások és a mérőszámok gondos kombinálására van szükség a teljes tudatosság, pontosság és ellenőrzés érdekében. Ez azt jelenti, hogy a csapat teljesítményének minden aspektusát értékelni kell, a folyamatos fejlesztésre összpontosítva, és éppúgy vonatkozik a mainframe-re, mint az elosztott és felhőkörnyezetekre – talán többet is.
Ezt olyan gyakorlatokkal érik el, mint az infrastruktúra kódként (IaC) a telepítésekhez, az automatizált tesztelés, az alkalmazások megfigyelhetősége és az alkalmazás életciklusának teljes tulajdonlása. Évekig tartó kutatás révén a DevOps kutatás és értékelés (DORA) A csapat négy kulcsfontosságú mérőszámot azonosított, amelyek a szoftverfejlesztő csapat teljesítményét jelzik:
- Telepítési gyakoriság – Milyen gyakran bocsát ki egy szervezet sikeresen termelésbe
- Átfutási idő a változtatásokhoz – Az az idő, mennyi időbe telik egy elkötelezettségnek, hogy a gyártásba kerüljön
- A meghibásodási arány módosítása – A termelési hibát okozó telepítések százalékos aránya
- Ideje helyreállítani a szolgáltatást – Mennyi ideig tart a szervezet felépülni a termelési kudarcból
Ezek a mutatók kvantitatív módszert biztosítanak a DevOps gyakorlatok hatékonyságának és hatékonyságának mérésére. Noha a DevOps elemzése körül nagy hangsúlyt fektetnek az elosztott és felhőtechnológiákra, a mainframe továbbra is egyedülálló és erőteljes pozíciót tart fenn, és a DORA 4 mérőszámait felhasználva növelheti hírnevét a kereskedelem motorjaként.
Ez a blogbejegyzés a BMC Software hozzáadásának módját tárgyalja AWS Generatív AI képességeit termékéhez BMC AMI zAdviser Enterprise. A zAdviser használja Amazon alapkőzet hogy a DORA mérőszámai alapján összefoglalókat, elemzéseket és fejlesztési javaslatokat adjon.
A DORA 4 mérőszámainak követésének kihívásai
A DORA 4 mérőszámainak követése azt jelenti, hogy össze kell rakni a számokat és elhelyezni egy műszerfalon. A termelékenység mérése azonban alapvetően az egyének teljesítményének mérését jelenti, amitől úgy érzik, hogy megvizsgálják őket. Ez a helyzet szükségessé teheti a szervezeti kultúra megváltoztatását, hogy a kollektív eredményekre összpontosítsanak, és hangsúlyozzák, hogy az automatizálási eszközök javítják a fejlesztői élményt.
Szintén létfontosságú, hogy ne összpontosítsunk irreleváns mérőszámokra vagy túlzottan nyomon követjük az adatokat. A DORA metrikák lényege, hogy az információkat kulcsfontosságú teljesítménymutatók (KPI-k) alapvető készletébe vonják be az értékeléshez. Az átlagos visszaállítási idő (MTTR) gyakran a legegyszerűbb nyomon követhető KPI – a legtöbb szervezet olyan eszközöket használ, mint a BMC Helix ITSM vagy más, amelyek rögzítik az eseményeket és nyomon követik a problémákat.
A változtatások átfutási idejének rögzítése és a változtatások sikertelenségi aránya nagyobb kihívást jelenthet, különösen a nagyszámítógépeken. A változtatások átfutási ideje és a változtatási hibaarány KPI-k összesítik a kód véglegesítéséből, naplófájljaiból és az automatizált teszteredményekből származó adatokat. A Git-alapú SCM használata zökkenőmentesen egyesíti ezeket a betekintést. A BMC Git-alapú DevOps platformját, az AMI DevX-et használó nagyszámítógépes csapatok ugyanolyan könnyen gyűjthetik ezeket az adatokat, mint az elosztott csapatok.
Megoldás áttekintése
Az Amazon Bedrock egy teljes körűen felügyelt szolgáltatás, amely egyetlen API-n keresztül számos nagy teljesítményű alapozó modellt (FM) kínál olyan vezető AI-cégektől, mint az AI21 Labs, az Anthropic, a Cohere, a Meta, a Stability AI és az Amazon. olyan képességek, amelyekre szükség van generatív AI-alkalmazások létrehozásához biztonsággal, adatvédelemmel és felelős AI-val.
A BMC AMI zAdviser Enterprise a DevOps KPI-k széles skáláját kínálja a nagyszámítógép-fejlesztés optimalizálásához, és lehetővé teszi a csapatok számára a problémák proaktív azonosítását és megoldását. A gépi tanulás segítségével az AMI zAdviser figyeli a mainframe felépítését, teszteli és telepíti a funkciókat a DevOps eszközláncokon keresztül, majd mesterséges intelligencia által vezetett ajánlásokat kínál a folyamatos fejlesztéshez. A fejlesztési KPI-k rögzítése és jelentése mellett a zAdviser adatokat is rögzít a BMC DevX termékek elfogadásáról és használatáról. Ez magában foglalja a hibakereső programok számát, a DevX tesztelőeszközökkel végzett tesztelési erőfeszítések eredményét és sok más adatpontot. Ezek a további adatpontok mélyebb betekintést nyújthatnak a fejlesztési KPI-kbe, beleértve a DORA mérőszámokat is, és felhasználhatók az Amazon Bedrock jövőbeli generatív mesterségesintelligencia-akcióiban.
A következő architektúra diagram a zAdviser Enterprise végső megvalósítását mutatja be, amely generatív mesterséges intelligencia felhasználásával összegzést, elemzést és a DORA metrikák KPI-adatokon alapuló fejlesztési javaslatait nyújtja.
A megoldás munkafolyamata a következő lépéseket tartalmazza:
- Hozza létre az összesítési lekérdezést a metrikák lekéréséhez az Elasticsearch alkalmazásból.
- Bontsa ki a tárolt nagyszámítógép-metrikák adatait a zAdviserből, amelyen a szerver található Amazon rugalmas számítási felhő (Amazon EC2) és az AWS-ben telepítve.
- Aggregálja az Elasticsearch alkalmazásból lekért adatokat, és adja meg a generatív AI Amazon Bedrock API-hívás parancssorát.
- Adja át a generatív mesterséges intelligencia parancsot az Amazon Bedrocknak (az Anthropic Claude2 modelljének használatával az Amazon Bedrockon).
- Tárolja az Amazon Bedrock (HTML-formátumú dokumentum) válaszát Amazon egyszerű tárolási szolgáltatás (Amazon S3).
- Indítsa el a KPI e-mail folyamatot a következőn keresztül AWS Lambda:
- A HTML-formátumú e-mailt az Amazon S3-ból nyerik ki, és hozzáadják az e-mail törzséhez.
- Az ügyfél KPI-k PDF-fájlja a zAdviserből származik, és csatolva van az e-mailhez.
- Az e-mailt elküldjük az előfizetőknek.
A következő képernyőképen az Amazon Bedrock segítségével generált és az ügyfélnek e-mailben elküldött DORA-metrikák LLM-összefoglalója látható, egy PDF-melléklettel, amely tartalmazza a zAdviser által készített DORA-metrikák KPI-műszerfali jelentését.
Legfontosabb elvitel
Ennél a megoldásnál nem kell aggódnia amiatt, hogy adatai megjelennek az interneten, amikor azokat egy AI-kliensnek küldik. Az Amazon Bedrock API-hívása nem tartalmaz semmilyen személyazonosításra alkalmas információt (PII) vagy olyan adatot, amely azonosíthatná az ügyfelet. Az egyetlen továbbított adat a DORA metrikus KPI-k formájában megjelenő számértékekből és a generatív mesterséges intelligencia műveleteire vonatkozó utasításokból áll. Fontos, hogy a generatív AI-kliens nem őrzi meg, nem tanul belőlük és nem tárolja gyorsítótárban ezeket az adatokat.
A zAdviser mérnöki csapata rövid időn belül sikeresen bevezette ezt a funkciót. A gyors fejlődést elősegítette a zAdviser jelentős befektetése az AWS-szolgáltatásokba, és ami még fontosabb, az Amazon Bedrock API-hívásokon keresztüli egyszerű használata. Ez aláhúzza az Amazon Bedrock API-ban megtestesülő generatív AI technológia átalakító erejét. Ez az API, amely a zAdviser Enterprise iparág-specifikus tudástárral van felszerelve, és folyamatosan gyűjtött szervezet-specifikus DevOps-mutatókkal van testreszabva, bemutatja az AI-ban rejlő lehetőségeket ezen a területen.
A generatív mesterséges intelligencia csökkentheti a belépési korlátot az AI-vezérelt szervezetek felépítéséhez. Különösen a nagy nyelvi modellek (LLM-ek) hozhatnak óriási értéket a strukturálatlan adatok feltárására és felhasználására törekvő vállalkozások számára. A chatbotokon túl az LLM-ek számos feladatban használhatók, mint például osztályozás, szerkesztés és összegzés.
Következtetés
Ez a bejegyzés a generatív mesterségesintelligencia-technológia átalakító hatását tárgyalta Amazon Bedrock API-k formájában, amelyek a BMC zAdviser által birtokolt iparág-specifikus tudással vannak felszerelve, és a folyamatosan gyűjtött szervezet-specifikus DevOps-metrikákhoz igazítva.
Nézze meg a BMC honlapja hogy többet tudjon meg és állítson be egy bemutatót.
A szerzőkről
Sunil Bemarkar Sr. Partner Solutions Architect az Amazon Web Servicesnél. Különféle független szoftverszállítókkal (ISV) és stratégiai ügyfelekkel dolgozik az iparágakban, hogy felgyorsítsa digitális átalakulásukat és a felhőbe való áttérésüket.
Vij Balakrishna az Amazon Web Services vezető partnerfejlesztési menedzsere. Segíti a független szoftverszállítókat (ISV) az iparágakban, hogy felgyorsítsák digitális átalakulásukat.
Spencer Hallman a BMC AMI zAdviser Enterprise vezető termékmenedzsere. Korábban a BMC AMI Strobe és a BMC AMI Ops Automation Batch Thruput termékmenedzsere volt. A termékmenedzsment előtt Spencer a nagyszámítógép-teljesítmény témakörének szakértője volt. Az évek során szerzett sokrétű tapasztalatai közé tartozik a több platformon és nyelven végzett programozás, valamint az Operations Research területen végzett munka. A Temple Egyetemen szerzett üzleti adminisztrációs mesterfokozatát, operációkutatási területen, valamint a Vermonti Egyetem informatikai alapképzését. Devonban (PA) él, és amikor nem vesz részt virtuális találkozókon, szívesen sétáltat kutyáit, biciklizik és a családjával tölti az idejét.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/
- :van
- :is
- :nem
- $ UP
- 100
- 1222
- 125
- 2015
- 7
- a
- Rólunk
- gyorsul
- pontosság
- Elérése
- elért
- eredmények
- át
- hozzáadott
- mellett
- További
- igazgatás
- elfogadja
- fogadott
- Örökbefogadás
- adalékanyag
- összesítés
- AI
- célok
- Minden termék
- mentén
- Is
- Bár
- amazon
- Amazon EC2
- Az Amazon Web Services
- összeg
- an
- elemzés
- és a
- Antropikus
- bármilyen
- api
- API-k
- Alkalmazás
- alkalmazások
- alkalmazandó
- megközelít
- építészet
- VANNAK
- körül
- AS
- szempontok
- értékelés
- At
- részt
- Automatizált
- Automatizálás
- elkerülése érdekében
- tudatosság
- AWS
- korlát
- alapján
- alap
- BE
- hogy
- között
- Túl
- Blog
- BMC
- test
- hoz
- széles
- épít
- Épület
- üzleti
- by
- Gyorsítótár
- hívás
- kéri
- TUD
- képességek
- fogások
- Rögzítése
- gondosan
- okozó
- láncok
- kihívást
- változik
- Változások
- chatbots
- választás
- besorolás
- vásárló
- felhő
- felhő elfogadása
- kód
- gyűjt
- Kollektív
- kombinálása
- Kereskedelem
- elkövetni
- követ
- általában
- közösség
- Companies
- teljes
- Kiszámít
- számítógép
- Computer Science
- koncentráció
- áll
- tartalmaz
- tartalmaz
- folyamatos
- folyamatosan
- ellenőrzés
- Mag
- Összefüggés
- tudott
- kultúra
- vevő
- Ügyfelek
- szabott
- műszerfal
- dátum
- adat pontok
- mélyebb
- demó
- mutatja
- telepíteni
- telepített
- bevetések
- Design
- Fejlesztő
- Fejlesztés
- fejlesztői csapat
- diagram
- digitális
- digitális átalakítás
- közvetlen
- tárgyalt
- tárgyalja
- megosztott
- számos
- dokumentum
- nem
- Nem
- ne
- DÓRA
- könnyű
- könnyen
- hatékonyság
- hatékonyság
- erőfeszítések
- hangsúlyt helyez
- lehetővé
- Motor
- Mérnöki
- növelése
- Vállalkozás
- Vállalatok
- belépés
- felszerelt
- különösen
- lényeg
- lényegében
- értékelő
- értékelés
- események
- rendkívül
- tapasztalat
- szakértő
- feltárása
- kitett
- megkönnyítette
- Kudarc
- család
- Funkció
- érez
- mező
- Fájlok
- utolsó
- Összpontosít
- összpontosítás
- következő
- A
- forma
- Alapítvány
- négy
- ból ből
- teljesen
- funkciók
- további
- jövő
- generált
- nemző
- Generatív AI
- kap
- he
- segít
- nagy teljesítményű
- övé
- házigazdája
- Hogyan
- azonban
- HTML
- http
- HTTPS
- azonosítható
- azonosított
- azonosítani
- Hatás
- végrehajtás
- végrehajtási
- ami fontos
- javulás
- in
- beleértve
- magában foglalja a
- Beleértve
- független
- jelez
- mutatók
- egyének
- iparágak
- iparág-specifikus
- információ
- Infrastruktúra
- Insight
- utasítás
- Internet
- bele
- beruházás
- kérdés
- kérdések
- IT
- ITS
- utazás
- jpg
- éppen
- Kulcs
- tudás
- Labs
- nyelv
- Nyelvek
- nagy
- vezet
- vezető
- TANUL
- tanulás
- életciklus
- mint
- életek
- LLM
- log
- Hosszú
- alacsonyabb
- gép
- gépi tanulás
- fenntartja
- karbantartás
- csinál
- sikerült
- vezetés
- menedzser
- sok
- mester
- Anyag
- érettség
- Lehet..
- jelent
- eszközök
- intézkedés
- mérő
- találkozók
- meta
- metrikus
- Metrics
- esetleg
- modell
- modellek
- monitorok
- több
- sok
- többszörös
- Szükség
- szám
- számok
- of
- Ajánlatok
- gyakran
- on
- folyamatban lévő
- csak
- Művelet
- Optimalizálja
- or
- szervezet
- szervezeti
- szervezetek
- Más
- Egyéb
- ki
- Eredmény
- felett
- saját
- tulajdon
- különös
- partner
- százalék
- teljesítmény
- Személyesen
- forgalomba
- emelvény
- Platformok
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- pozíció
- rendelkezik
- állás
- potenciális
- hatalom
- erős
- gyakorlat
- korábban
- elvek
- Előzetes
- magánélet
- folyamat
- Termékek
- termékmenedzsment
- termék menedzser
- termelékenység
- Termékek
- Programozás
- Programok
- Haladás
- ad
- biztosít
- Húz
- elhelyezés
- mennyiségi
- kérdés
- hatótávolság
- gyors
- gyorsan
- Arány
- ajánlások
- rekord
- Meggyógyul
- Releases
- jelentést
- Jelentő
- raktár
- hírnév
- megköveteli,
- kutatás
- megoldása
- válasz
- felelős
- visszaad
- eredményez
- Eredmények
- megtartása
- lovaglás
- szigorú
- erős
- Tudomány
- zökkenőmentesen
- biztonság
- keres
- idősebb
- küldött
- szolgáltatás
- Szolgáltatások
- készlet
- ő
- váltás
- rövid
- Műsorok
- Egyszerű
- egyetlen
- helyzet
- szoftver
- szoftverfejlesztés
- szoftverfejlesztés
- megoldások
- Megoldások
- arasz
- Költési
- Stabilitás
- stabil
- Lépései
- Még mindig
- tárolás
- memorizált
- Stratégiai
- tárgy
- előfizetőknek
- lényeges
- sikeres
- sikeresen
- ilyen
- szabott
- tart
- feladatok
- csapat
- csapat
- Technologies
- Technológia
- teszt
- Tesztelés
- hogy
- A
- azok
- Őket
- akkor
- Ott.
- Ezek
- ezt
- Keresztül
- idő
- nak nek
- együtt
- szerszám
- szerszámok
- Csomagkövetés
- Átalakítás
- transzformációs
- átalakító
- borzasztó
- aláhúzás
- egyedi
- egyetemi
- strukturálatlan
- használ
- használt
- segítségével
- kihasználva
- érték
- Értékek
- fajta
- különféle
- gyártók
- Vermont
- keresztül
- Tényleges
- fontos
- gyalogos
- volt
- Út..
- háló
- webes szolgáltatások
- JÓL
- voltak
- amikor
- ami
- széles
- Széleskörű
- val vel
- belül
- munkafolyamat
- dolgozó
- művek
- aggódik
- év
- te
- A te
- zephyrnet