บรรลุวุฒิภาวะ DevOps ด้วย BMC AMI zAdviser Enterprise และ Amazon Bedrock | อเมซอนเว็บเซอร์วิส

ในวิศวกรรมซอฟต์แวร์ มีความสัมพันธ์โดยตรงระหว่างประสิทธิภาพของทีมและการสร้างแอปพลิเคชันที่แข็งแกร่งและเสถียร ชุมชนข้อมูลมีเป้าหมายที่จะนำหลักการทางวิศวกรรมที่เข้มงวดซึ่งมักใช้ในการพัฒนาซอฟต์แวร์มาปรับใช้ในแนวทางปฏิบัติของตนเอง ซึ่งรวมถึงแนวทางการออกแบบ การพัฒนา การทดสอบ และการบำรุงรักษาอย่างเป็นระบบ ซึ่งจำเป็นต้องรวมแอปพลิเคชันและหน่วยวัดอย่างรอบคอบเพื่อให้เกิดการรับรู้ ความแม่นยำ และการควบคุมที่สมบูรณ์ หมายถึงการประเมินทุกแง่มุมของประสิทธิภาพของทีม โดยมุ่งเน้นไปที่การปรับปรุงอย่างต่อเนื่อง และนำไปใช้กับเมนเฟรมได้มากเท่ากับที่ใช้กับสภาพแวดล้อมแบบกระจายและคลาวด์—อาจจะมากกว่านั้นด้วย

ซึ่งสามารถทำได้ผ่านแนวทางปฏิบัติ เช่น โครงสร้างพื้นฐานที่เป็นโค้ด (IaC) สำหรับการปรับใช้ การทดสอบอัตโนมัติ ความสามารถในการสังเกตแอปพลิเคชัน และการเป็นเจ้าของวงจรชีวิตของแอปพลิเคชันโดยสมบูรณ์ จากการวิจัยเป็นเวลาหลายปี การวิจัยและการประเมิน DevOps (DORA) ทีมได้ระบุตัวชี้วัดสำคัญสี่ประการที่บ่งชี้ถึงประสิทธิภาพของทีมพัฒนาซอฟต์แวร์:

• ความถี่ในการใช้งาน – องค์กรประสบความสำเร็จในการเผยแพร่สู่การผลิตบ่อยเพียงใด
• ระยะเวลาในการเปลี่ยนแปลง – ระยะเวลาที่ต้องใช้เพื่อเริ่มการผลิต
• เปลี่ยนอัตราความล้มเหลว – เปอร์เซ็นต์ของการปรับใช้ที่ทำให้เกิดความล้มเหลวในการผลิต
• ถึงเวลาเรียกคืนบริการ – องค์กรใช้เวลานานเท่าใดในการฟื้นฟูจากความล้มเหลวในการผลิต

ตัวชี้วัดเหล่านี้เป็นวิธีเชิงปริมาณในการวัดประสิทธิภาพและประสิทธิผลของแนวทางปฏิบัติ DevOps แม้ว่าการมุ่งเน้นส่วนใหญ่เกี่ยวกับการวิเคราะห์ DevOps จะอยู่ที่เทคโนโลยีแบบกระจายและคลาวด์ แต่เมนเฟรมยังคงรักษาตำแหน่งที่มีเอกลักษณ์และทรงพลัง และสามารถใช้ตัวชี้วัด DORA 4 เพื่อสร้างชื่อเสียงในฐานะกลไกการค้า

โพสต์ในบล็อกนี้กล่าวถึงวิธีการเพิ่มซอฟต์แวร์ BMC AWS เจเนอเรทีฟ AI ความสามารถของผลิตภัณฑ์ BMC AMI zAdviser องค์กร- zAdviser ใช้ อเมซอน เบดร็อค เพื่อให้การสรุป การวิเคราะห์ และคำแนะนำสำหรับการปรับปรุงตามข้อมูลตัวชี้วัด DORA

ความท้าทายในการติดตามตัวชี้วัด DORA 4

การติดตามตัวชี้วัด DORA 4 หมายถึงการรวมตัวเลขเข้าด้วยกันและวางไว้บนแดชบอร์ด อย่างไรก็ตาม การวัดประสิทธิภาพการทำงานนั้นเป็นการวัดประสิทธิภาพของแต่ละบุคคล ซึ่งสามารถทำให้พวกเขารู้สึกว่าถูกตรวจสอบอย่างละเอียด สถานการณ์นี้อาจจำเป็นต้องเปลี่ยนแปลงวัฒนธรรมองค์กรเพื่อมุ่งเน้นไปที่ความสำเร็จร่วมกัน และเน้นย้ำว่าเครื่องมืออัตโนมัติช่วยปรับปรุงประสบการณ์ของนักพัฒนา

สิ่งสำคัญคือต้องหลีกเลี่ยงการมุ่งเน้นไปที่ตัวชี้วัดที่ไม่เกี่ยวข้องหรือการติดตามข้อมูลที่มากเกินไป สาระสำคัญของการวัด DORA คือการกลั่นข้อมูลลงในชุดหลักของตัวบ่งชี้ประสิทธิภาพหลัก (KPI) เพื่อการประเมินผล เวลาเฉลี่ยในการกู้คืน (MTTR) มักเป็น KPI ที่ง่ายที่สุดในการติดตาม องค์กรส่วนใหญ่ใช้เครื่องมือเช่น BMC Helix ITSM หรืออื่นๆ ที่บันทึกเหตุการณ์และการติดตามปัญหา

การจับเวลารอคอยสำหรับการเปลี่ยนแปลงและอัตราความล้มเหลวของการเปลี่ยนแปลงอาจมีความท้าทายมากขึ้น โดยเฉพาะบนเมนเฟรม ระยะเวลารอคอยสำหรับการเปลี่ยนแปลงและอัตราความล้มเหลวในการเปลี่ยนแปลง KPI จะรวบรวมข้อมูลจากการคอมมิตโค้ด ไฟล์บันทึก และผลการทดสอบอัตโนมัติ การใช้ SCM ที่ใช้ Git จะดึงข้อมูลเชิงลึกเหล่านี้มารวมกันได้อย่างราบรื่น ทีมเมนเฟรมที่ใช้แพลตฟอร์ม DevOps ที่ใช้ Git ของ BMC หรือ AMI DevX สามารถรวบรวมข้อมูลนี้ได้อย่างง่ายดายเช่นเดียวกับทีมที่กระจายออกไป

ภาพรวมโซลูชัน

Amazon Bedrock เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งนำเสนอตัวเลือกโมเดลพื้นฐาน (FM) ที่มีประสิทธิภาพสูงจากบริษัท AI ชั้นนำ เช่น AI21 Labs, Anthropic, Cohere, Meta, Stability AI และ Amazon ผ่าน API เดียว พร้อมด้วยชุดของ ความสามารถที่คุณต้องการในการสร้างแอปพลิเคชัน AI เชิงสร้างสรรค์ที่มีการรักษาความปลอดภัย ความเป็นส่วนตัว และ AI ที่มีความรับผิดชอบ

BMC AMI zAdviser Enterprise มอบ KPI ของ DevOps ที่หลากหลายเพื่อเพิ่มประสิทธิภาพการพัฒนาเมนเฟรม และช่วยให้ทีมสามารถระบุและแก้ไขปัญหาในเชิงรุกได้ ด้วยการใช้การเรียนรู้ของเครื่อง AMI zAdviser จะตรวจสอบการสร้างเมนเฟรม ทดสอบ และปรับใช้ฟังก์ชันทั่วทั้งกลุ่มเครื่องมือ DevOps จากนั้นเสนอคำแนะนำที่นำโดย AI เพื่อการปรับปรุงอย่างต่อเนื่อง นอกเหนือจากการรวบรวมและรายงาน KPI การพัฒนาแล้ว zAdviser ยังรวบรวมข้อมูลเกี่ยวกับวิธีการนำผลิตภัณฑ์ BMC DevX ไปใช้และใช้อีกด้วย ซึ่งรวมถึงจำนวนโปรแกรมที่ได้รับการดีบั๊ก ผลลัพธ์ของความพยายามในการทดสอบโดยใช้เครื่องมือทดสอบ DevX และจุดข้อมูลอื่นๆ อีกมากมาย จุดข้อมูลเพิ่มเติมเหล่านี้สามารถให้ข้อมูลเชิงลึกเกี่ยวกับ KPI การพัฒนา รวมถึงตัววัด DORA และอาจนำไปใช้ในความพยายามสร้าง AI ในอนาคตกับ Amazon Bedrock

แผนภาพสถาปัตยกรรมต่อไปนี้แสดงการใช้งานขั้นสุดท้ายของ zAdviser Enterprise โดยใช้ generative AI เพื่อจัดเตรียมการสรุป การวิเคราะห์ และคำแนะนำสำหรับการปรับปรุงตามข้อมูล KPI ของตัวชี้วัด DORA

เวิร์กโฟลว์โซลูชันประกอบด้วยขั้นตอนต่อไปนี้:

1. สร้างแบบสอบถามแบบรวมเพื่อดึงข้อมูลเมทริกจาก Elasticsearch
2. แยกข้อมูลเมทริกเมนเฟรมที่เก็บไว้จาก zAdviser ซึ่งโฮสต์อยู่ อเมซอน อีลาสติก คอมพิวท์ คลาวด์ (Amazon EC2) และปรับใช้ใน AWS
3. รวบรวมข้อมูลที่ดึงมาจาก Elasticsearch และสร้างพร้อมท์สำหรับการเรียก AI Amazon Bedrock API ที่สร้าง
4. ส่งข้อความแจ้ง AI เชิงสร้างสรรค์ไปยัง Amazon Bedrock (โดยใช้โมเดล Claude2 ของ Anthropic บน Amazon Bedrock)
5. จัดเก็บการตอบกลับจาก Amazon Bedrock (เอกสารรูปแบบ HTML) ไว้ใน บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (อเมซอน เอส3).
6. ทริกเกอร์กระบวนการอีเมล KPI ผ่านทาง AWS แลมบ์ดา:
   1. อีเมลในรูปแบบ HTML ถูกดึงมาจาก Amazon S3 และเพิ่มลงในเนื้อหาของอีเมล
   2. PDF สำหรับ KPI ของลูกค้าแยกมาจาก zAdviser และแนบไปกับอีเมล
   3. อีเมลจะถูกส่งไปยังสมาชิก

ภาพหน้าจอต่อไปนี้แสดงการสรุป LLM ของตัววัด DORA ที่สร้างโดยใช้ Amazon Bedrock และส่งเป็นอีเมลถึงลูกค้า พร้อมไฟล์แนบ PDF ที่มีรายงานแดชบอร์ด KPI ของตัววัด DORA โดย zAdviser

ประเด็นที่สำคัญ

ในโซลูชันนี้ คุณไม่จำเป็นต้องกังวลว่าข้อมูลของคุณจะถูกเปิดเผยบนอินเทอร์เน็ตเมื่อถูกส่งไปยังไคลเอนต์ AI การเรียก API ไปยัง Amazon Bedrock ไม่มีข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้ (PII) หรือข้อมูลใดๆ ที่สามารถระบุตัวลูกค้าได้ ข้อมูลที่ส่งเพียงอย่างเดียวประกอบด้วยค่าตัวเลขในรูปแบบของ KPI ตัวชี้วัด DORA และคำแนะนำสำหรับการดำเนินงานของ generative AI ที่สำคัญ ไคลเอนต์ AI ทั่วไปจะไม่เก็บรักษา เรียนรู้จาก หรือแคชข้อมูลนี้

ทีมวิศวกร zAdviser ประสบความสำเร็จในการใช้งานฟีเจอร์นี้อย่างรวดเร็วภายในระยะเวลาอันสั้น ความก้าวหน้าที่รวดเร็วได้รับการอำนวยความสะดวกจากการลงทุนจำนวนมากของ zAdviser ในบริการของ AWS และที่สำคัญคือ ความง่ายในการใช้ Amazon Bedrock ผ่านการเรียก API สิ่งนี้เน้นย้ำถึงพลังการเปลี่ยนแปลงของเทคโนโลยี generative AI ที่รวมอยู่ใน Amazon Bedrock API API นี้ ซึ่งติดตั้งคลังความรู้เฉพาะอุตสาหกรรม zAdviser Enterprise และปรับแต่งด้วยการวัด DevOps เฉพาะองค์กรที่รวบรวมอย่างต่อเนื่อง แสดงให้เห็นถึงศักยภาพของ AI ในสาขานี้

Generative AI มีศักยภาพในการลดอุปสรรคในการเข้าสู่การสร้างองค์กรที่ขับเคลื่อนด้วย AI โมเดลภาษาขนาดใหญ่ (LLM) สามารถสร้างมูลค่ามหาศาลให้กับองค์กรที่ต้องการสำรวจและใช้ข้อมูลที่ไม่มีโครงสร้าง นอกเหนือจากแชทบอทแล้ว LLM ยังสามารถใช้งานได้หลากหลาย เช่น การจัดหมวดหมู่ การแก้ไข และการสรุป

สรุป

โพสต์นี้กล่าวถึงผลกระทบในการเปลี่ยนแปลงของเทคโนโลยี Generative AI ในรูปแบบของ Amazon Bedrock API ที่มาพร้อมกับความรู้เฉพาะอุตสาหกรรมที่ BMC zAdviser ครอบครอง ซึ่งปรับแต่งด้วยตัววัด DevOps เฉพาะองค์กรที่รวบรวมอย่างต่อเนื่อง

วันที่ออก เว็บไซต์บีเอ็มซี เพื่อเรียนรู้เพิ่มเติมและตั้งค่าการสาธิต

---

เกี่ยวกับผู้เขียน

สุนิล เบมาร์การ์ เป็นสถาปนิกโซลูชันคู่ค้าอาวุโสที่ Amazon Web Services เขาทำงานร่วมกับผู้จำหน่ายซอฟต์แวร์อิสระ (ISV) และลูกค้าเชิงกลยุทธ์ในอุตสาหกรรมต่างๆ เพื่อเร่งการเปลี่ยนแปลงทางดิจิทัลและการนำระบบคลาวด์ไปใช้

วิช บาลกฤษณะ เป็นผู้จัดการฝ่ายพัฒนาคู่ค้าอาวุโสที่ Amazon Web Services เธอช่วยผู้จำหน่ายซอฟต์แวร์อิสระ (ISV) ในอุตสาหกรรมต่าง ๆ เพื่อเร่งการเปลี่ยนแปลงทางดิจิทัล

สเปนเซอร์ ฮอลแมน เป็นผู้จัดการผลิตภัณฑ์หลักสำหรับ BMC AMI zAdviser Enterprise ก่อนหน้านี้ เขาเป็นผู้จัดการผลิตภัณฑ์ของ BMC AMI Strobe และ BMC AMI Ops Automation สำหรับ Batch Thruput ก่อนที่จะมีการจัดการผลิตภัณฑ์ Spencer เป็นผู้เชี่ยวชาญเฉพาะด้านสำหรับประสิทธิภาพของเมนเฟรม ประสบการณ์อันหลากหลายของเขาตลอดหลายปีที่ผ่านมายังรวมถึงการเขียนโปรแกรมบนแพลตฟอร์มและภาษาที่หลากหลาย รวมถึงการทำงานในสาขาการวิจัยปฏิบัติการ เขามีปริญญาโทสาขาบริหารธุรกิจโดยเน้นการวิจัยการดำเนินงานจาก Temple University และวิทยาศาสตรบัณฑิตสาขาวิทยาการคอมพิวเตอร์จาก University of Vermont เขาอาศัยอยู่ในเดวอน รัฐเพนซิลวาเนีย และเมื่อเขาไม่ได้เข้าร่วมการประชุมเสมือนจริง เขาก็จะสนุกกับการพาสุนัขเดินเล่น ขี่จักรยาน และใช้เวลาร่วมกับครอบครัว

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/