Ohjelmistosuunnittelussa tiimin suorituskyvyn ja kestävien, vakaiden sovellusten rakentamisen välillä on suora yhteys. Tietoyhteisö pyrkii ottamaan käyttöön ohjelmistokehityksessä yleisesti käytetyt tiukat suunnitteluperiaatteet omiin käytäntöihinsä, jotka sisältävät systemaattisen lähestymistavan suunnitteluun, kehittämiseen, testaukseen ja ylläpitoon. Tämä edellyttää sovellusten ja mittareiden huolellista yhdistämistä täydellisen tietoisuuden, tarkkuuden ja hallinnan aikaansaamiseksi. Se tarkoittaa tiimin suorituskyvyn kaikkien näkökohtien arviointia keskittyen jatkuvaan parantamiseen, ja se koskee yhtä paljon keskustietokoneita kuin hajautettuja ja pilviympäristöjä – ehkä enemmänkin.

Tämä saavutetaan käytäntöjen, kuten infrastruktuurin koodina (IaC) käyttöönottojen, automaattisen testauksen, sovellusten havainnoinnin ja sovelluksen täydellisen elinkaaren omistajuuden avulla. Vuosien tutkimuksen ansiosta DevOps Research and Assessment (DORA) tiimi on tunnistanut neljä keskeistä mittaria, jotka osoittavat ohjelmistokehitystiimin suorituskyvyn:

• Käyttöönottotaajuus – Kuinka usein organisaatio luovuttaa onnistuneesti tuotantoon
• Aikaa muutoksille – Aika, joka kuluu sitoutumiseen päästäkseen tuotantoon
• Muuta epäonnistumisprosenttia – Niiden käyttöönottojen prosenttiosuus, jotka aiheuttavat epäonnistumisen tuotannossa
• Aika palauttaa palvelu – Kuinka kauan organisaatiolla kestää toipua tuotannon epäonnistumisesta

Nämä mittarit tarjoavat kvantitatiivisen tavan mitata DevOps-käytäntöjen tehokkuutta ja tehokkuutta. Vaikka suuri osa DevOps-analyysissä keskittyy hajautettuihin ja pilviteknologioihin, keskustietokone säilyttää silti ainutlaatuisen ja tehokkaan aseman, ja se voi käyttää DORA 4 -mittareita maineensa edistämiseen kaupan moottorina.

Tämä blogiviesti käsittelee BMC Softwaren lisäystä AWS Generatiivinen AI ominaisuudet tuotteelleen BMC AMI zAdviser Enterprise. zAdviser käyttää Amazonin kallioperä tarjota yhteenvetoa, analyyseja ja parannussuosituksia DORA-mittaustietojen perusteella.

DORA 4 -mittareiden seurannan haasteita

DORA 4 -mittareiden seuraaminen tarkoittaa numeroiden yhdistämistä ja niiden sijoittamista kojelautaan. Tuottavuuden mittaaminen on kuitenkin pohjimmiltaan yksilöiden suorituskyvyn mittaamista, mikä voi saada heidät tuntemaan itsensä tarkastetuksi. Tämä tilanne saattaa edellyttää muutosta organisaatiokulttuurissa keskittymään kollektiivisiin saavutuksiin ja korostamaan, että automaatiotyökalut parantavat kehittäjäkokemusta.

On myös tärkeää välttää keskittymästä epäolennaisiin mittareihin tai liialliseen seurantaan. DORA-mittareiden ydin on tislata tiedot keskeisten suorituskykyindikaattoreiden (KPI) ydinjoukoksi arviointia varten. Keskimääräinen palautusaika (MTTR) on usein yksinkertaisin KPI seurata – useimmat organisaatiot käyttävät työkaluja, kuten BMC Helix ITSM tai muita, jotka tallentavat tapahtumia ja jäljittävät ongelmia.

Muutosten läpimenoajan ja muutosten epäonnistumisasteen tallentaminen voi olla haastavampaa, etenkin keskuskoneissa. Muutosten läpimenoaika ja muutoksen epäonnistumisprosentin KPI:t yhdistävät tiedot kooditoimituksista, lokitiedostoista ja automaattisista testituloksista. Git-pohjaisen SCM:n käyttäminen yhdistää nämä tiedot saumattomasti. Mainframe-tiimit, jotka käyttävät BMC:n Git-pohjaista DevOps-alustaa, AMI DevX, voivat kerätä nämä tiedot yhtä helposti kuin hajautetut tiimit.

Ratkaisun yleiskatsaus

Amazon Bedrock on täysin hallittu palvelu, joka tarjoaa valikoiman tehokkaita perusmalleja (FM) johtavilta tekoälyyrityksiltä, ​​kuten AI21 Labs, Anthropic, Cohere, Meta, Stability AI ja Amazon, yhden API:n kautta sekä laajan valikoiman ominaisuudet, joita tarvitset luodaksesi luovia tekoälysovelluksia turvallisuuden, yksityisyyden ja vastuullisen tekoälyn avulla.

BMC AMI zAdviser Enterprise tarjoaa laajan valikoiman DevOps KPI:itä, jotka optimoivat keskuskonekehityksen ja auttavat tiimejä tunnistamaan ja ratkaisemaan ongelmia ennakoivasti. Koneoppimisen avulla AMI zAdviser tarkkailee keskustietokoneiden rakentamista, testaamista ja käyttöönottoa DevOps-työkaluketjuissa ja tarjoaa sitten tekoälyn ohjaamia suosituksia jatkuvaan parantamiseen. Sen lisäksi, että zAdviser kerää ja raportoi kehityksen KPI-mittauksista, se kerää tietoja siitä, kuinka BMC DevX -tuotteita otetaan käyttöön ja käytetään. Tämä sisältää virheenkorjattujen ohjelmien määrän, DevX-testaustyökaluilla suoritetun testauksen tulokset ja monet muut datapisteet. Nämä lisätietopisteet voivat tarjota syvemmän käsityksen kehityksen KPI:istä, mukaan lukien DORA-mittareita, ja niitä voidaan käyttää tulevissa luovissa tekoälypyrkimyksissä Amazon Bedrockin kanssa.

Seuraavassa arkkitehtuurikaaviossa esitetään zAdviser Enterprisen lopullinen toteutus, jossa käytetään generatiivista tekoälyä yhteenvedon, analyysin ja parannussuositusten tarjoamiseen DORA-mittareiden KPI-tietojen perusteella.

Ratkaisun työnkulku sisältää seuraavat vaiheet:

1. Luo koontikysely noutaaksesi tiedot Elasticsearchista.
2. Pura tallennetut mainframe-metriikkatiedot zAdviserista, jota isännöidään Amazonin elastinen laskentapilvi (Amazon EC2) ja otettu käyttöön AWS:ssä.
3. Kokoa Elasticsearchista haetut tiedot ja muodosta kehote generatiiviselle AI Amazon Bedrock API -kutsulle.
4. Välitä generatiivinen tekoälykehote Amazon Bedrockille (käyttäen Anthropicin Claude2-mallia Amazon Bedrockissa).
5. Tallenna Amazon Bedrockin vastaus (HTML-muotoinen asiakirja) sisään Amazonin yksinkertainen tallennuspalvelu (Amazon S3).
6. Käynnistä KPI-sähköpostiprosessi kautta AWS Lambda:
   1. HTML-muotoiltu sähköposti poimitaan Amazon S3:sta ja lisätään sähköpostin runkoon.
   2. Asiakkaiden KPI:iden PDF-tiedosto poimitaan zAdviserista ja liitetään sähköpostiin.
   3. Sähköposti lähetetään tilaajille.

Seuraavassa kuvakaappauksessa näkyy LLM-yhteenveto DORA-mittareista, jotka on luotu Amazon Bedrockin avulla ja lähetetty asiakkaalle sähköpostilla, ja PDF-liite, joka sisältää zAdviserin DORA-mittareiden KPI-mittariston raportin.

Avaimet

Tässä ratkaisussa sinun ei tarvitse huolehtia siitä, että tietosi paljastuvat Internetiin, kun ne lähetetään tekoälyasiakkaalle. API-kutsu Amazon Bedrockille ei sisällä henkilökohtaisia ​​tunnistetietoja (PII) tai tietoja, jotka voisivat tunnistaa asiakkaan. Ainoat lähetettävät tiedot koostuvat numeerisista arvoista DORA-metristen KPI-arvojen muodossa ja ohjeista generatiivisen tekoälyn toimintoja varten. Tärkeää on, että generatiivinen AI-asiakas ei säilytä, opi niistä tai tallenna välimuistiin näitä tietoja.

zAdviserin suunnittelutiimi onnistui ottamaan tämän ominaisuuden käyttöön nopeasti lyhyessä ajassa. Nopeaa edistymistä edesauttoi zAdviserin merkittävä panostus AWS-palveluihin ja mikä tärkeintä, Amazon Bedrockin helppokäyttöisyys API-kutsujen kautta. Tämä korostaa Amazon Bedrock API:n sisältämän generatiivisen tekoälytekniikan muuntavaa voimaa. Tämä sovellusliittymä, joka on varustettu alakohtaisella tietovarastolla zAdviser Enterprise ja räätälöity jatkuvasti kerätyillä organisaatiokohtaisilla DevOps-mittareilla, osoittaa tekoälyn mahdollisuudet tällä alalla.

Generatiivisella tekoälyllä on potentiaalia alentaa pääsyn esteitä tekoälyyn perustuvien organisaatioiden rakentamiseen. Erityisesti suuret kielimallit (LLM) voivat tuoda valtavaa arvoa yrityksille, jotka haluavat tutkia ja käyttää jäsentämätöntä dataa. Chatbottien lisäksi LLM:itä voidaan käyttää useisiin tehtäviin, kuten luokitteluun, muokkaamiseen ja yhteenvetoon.

Yhteenveto

Tässä postauksessa käsiteltiin generatiivisen AI-teknologian muutosvaikutuksia Amazon Bedrockin API-liittymien muodossa, jotka on varustettu BMC zAdviserin alakohtaisella tiedolla ja jotka on räätälöity jatkuvasti kerättyjen organisaatiokohtaisten DevOps-mittareiden avulla.

Tutustu BMC:n verkkosivuilla oppiaksesi lisää ja perustaaksesi esittelyn.

Tietoja Tekijät

Sunil Bemarkar on vanhempi kumppaniratkaisujen arkkitehti Amazon Web Servicesissä. Hän työskentelee useiden itsenäisten ohjelmistotoimittajien (ISV) ja strategisten asiakkaiden kanssa eri toimialoilla nopeuttaakseen heidän digitaalista muutosta ja pilvipalveluiden käyttöönottoa.

Vij Balakrishna on vanhempi kumppanikehityspäällikkö Amazon Web Services -palvelussa. Hän auttaa riippumattomia ohjelmistotoimittajia (ISV) eri toimialoilla nopeuttamaan heidän digitaalista muutosta.

Spencer Hallman on BMC AMI zAdviser Enterprisen johtava tuotepäällikkö. Aiemmin hän toimi tuotepäällikkönä BMC AMI Strobessa ja BMC AMI Ops Automationissa Batch Thruputille. Ennen tuotehallintaa Spencer oli Mainframe Performance -asioiden asiantuntija. Hänen monipuoliseen kokemukseensa vuosien varrella on kuulunut myös ohjelmointi useilla alustoilla ja kielillä sekä työskentely Operations Research -kentällä. Hän on suorittanut kauppatieteiden maisterin tutkinnon ja keskittynyt operaatiotutkimukseen Templen yliopistosta ja tietojenkäsittelytieteen kandidaatin tutkinnon Vermontin yliopistosta. Hän asuu Devonissa, PA, ja kun hän ei osallistu virtuaalisiin kokouksiin, hän nauttii koirien ulkoiluttamisesta, pyöräilystä ja perheensä kanssa viettämisestä.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/