בהנדסת תוכנה, יש מתאם ישיר בין ביצועי צוות ובניית יישומים יציבים וחזקים. קהילת הנתונים שואפת לאמץ את העקרונות ההנדסיים הקפדניים הנפוצים בפיתוח תוכנה לפרקטיקות שלהם, הכוללות גישות שיטתיות לתכנון, פיתוח, בדיקות ותחזוקה. זה דורש שילוב קפדני של יישומים ומדדים כדי לספק מודעות, דיוק ושליטה מלאה. זה אומר להעריך את כל ההיבטים של ביצועי הצוות, תוך התמקדות בשיפור מתמיד, וזה חל באותה מידה על מיינפריים כמו על סביבות מבוזרות וענן - אולי יותר.

זה מושג באמצעות שיטות עבודה כמו תשתית כקוד (IaC) לפריסות, בדיקות אוטומטיות, צפייה באפליקציות ובעלות מלאה על מחזור החיים של האפליקציה. במשך שנים של מחקר, ה מחקר והערכה של DevOps (DORA) הצוות זיהה ארבעה מדדי מפתח המעידים על הביצועים של צוות פיתוח תוכנה:

• תדירות פריסה - באיזו תדירות ארגון משחרר בהצלחה לייצור
• זמן אספקה ​​לשינויים - משך הזמן שלוקח התחייבות להיכנס לייצור
• שנה את שיעור הכשלים – אחוז הפריסות הגורמות לכשל בייצור
• הגיע הזמן להחזיר את השירות – כמה זמן לוקח לארגון להתאושש מכשל בייצור

מדדים אלה מספקים דרך כמותית למדוד את האפקטיביות והיעילות של שיטות DevOps. למרות שחלק ניכר מההתמקדות סביב ניתוח של DevOps הוא על טכנולוגיות מבוזרות וענן, המיינפריים עדיין שומר על עמדה ייחודית ועוצמתית, והיא יכולה להשתמש במדדים של DORA 4 כדי לקדם את המוניטין שלה כמנוע המסחר.

פוסט זה בבלוג דן כיצד נוספה תוכנת BMC AWS Generative AI יכולות למוצר שלה BMC AMI zAdviser Enterprise. zAdviser משתמש סלע אמזון לספק סיכום, ניתוח והמלצות לשיפור בהתבסס על נתוני מדדי DORA.

אתגרים של מעקב אחר מדדי DORA 4

מעקב אחר מדדי DORA 4 פירושו חיבור המספרים והצבתם על לוח מחוונים. עם זאת, מדידת פרודוקטיביות היא בעצם מדידת ביצועים של אנשים, מה שיכול לגרום להם להרגיש מבוקרים. מצב זה עשוי לחייב שינוי בתרבות הארגונית כדי להתמקד בהישגים קולקטיביים ולהדגיש שכלי אוטומציה משפרים את חווית המפתח.

זה גם חיוני להימנע מהתמקדות במדדים לא רלוונטיים או מעקב מוגזם אחר נתונים. המהות של מדדי DORA היא לזקק מידע למערכת ליבה של מדדי ביצועים מרכזיים (KPIs) לצורך הערכה. זמן שחזור ממוצע (MTTR) הוא לרוב ה-KPI הפשוט ביותר למעקב - רוב הארגונים משתמשים בכלים כמו BMC Helix ITSM או אחרים שמתעדים אירועים ומעקב אחר בעיות.

לכידת זמן אספקה ​​לשינויים ושיעור כשל בשינויים יכולה להיות מאתגרת יותר, במיוחד במיינפריים. זמן אספקה ​​לשינויים ולשינויים בשיעורי הכישלונות של KPIs מצטברים נתונים מהתחייבויות קוד, קובצי יומן ותוצאות בדיקה אוטומטיות. שימוש ב-SCM מבוסס Git מושך את התובנות הללו יחד בצורה חלקה. צוותי מיינפריים המשתמשים בפלטפורמת DevOps מבוססת Git של BMC, AMI DevX, יכולים לאסוף את הנתונים האלה בקלות כמו שצוותים מבוזרים יכולים.

סקירת פתרונות

Amazon Bedrock הוא שירות מנוהל במלואו המציע מבחר של דגמי יסוד (FM) בעלי ביצועים גבוהים מחברות בינה מלאכותית מובילות כמו AI21 Labs, Anthropic, Cohere, Meta, Stability AI ואמזון באמצעות API יחיד, יחד עם מערך רחב של היכולות שאתה צריך כדי לבנות יישומי בינה מלאכותית גנרטיבית עם אבטחה, פרטיות ובינה מלאכותית אחראית.

BMC AMI zAdviser Enterprise מספקת מגוון רחב של KPIs של DevOps כדי לייעל את פיתוח המיינפריים ולאפשר לצוותים לזהות ולפתור בעיות באופן יזום. באמצעות למידת מכונה, AMI zAdviser עוקב אחר בניית מיינפריים, בודק ופריסה של פונקציות על פני רשתות הכלים של DevOps ולאחר מכן מציע המלצות בהובלת בינה מלאכותית לשיפור מתמיד. בנוסף ללכידה ודיווח על KPIs לפיתוח, zAdviser לוכדת נתונים על האופן שבו מוצרי BMC DevX מאומצים והשימוש בהם. זה כולל את מספר התוכניות שנוגדו באגים, התוצאה של מאמצי הבדיקה באמצעות כלי הבדיקה של DevX ונקודות נתונים רבות אחרות. נקודות נתונים נוספות אלו יכולות לספק תובנה עמוקה יותר לגבי מדדי הפיתוח, כולל מדדי DORA, ועשויות לשמש במאמצי בינה מלאכותית עתידית עם Amazon Bedrock.

דיאגרמת הארכיטקטורה הבאה מציגה את היישום הסופי של zAdviser Enterprise תוך שימוש בבינה מלאכותית גנרטיבית כדי לספק סיכום, ניתוח והמלצות לשיפור בהתבסס על נתוני ה-KPI של מדדי DORA.

זרימת העבודה של הפתרון כוללת את השלבים הבאים:

1. צור את שאילתת הצבירה כדי לאחזר את המדדים מ- Elasticsearch.
2. חלץ את נתוני מדדי המיינפריים המאוחסנים מ-zAdviser, שמתארח ב ענן מחשוב אלסטי של אמזון (Amazon EC2) ונפרס ב-AWS.
3. צברו את הנתונים שאוחזרו מ- Elasticsearch וצרו את ההנחיה לקריאת ה-AI Amazon Bedrock API.
4. העבר את הנחיית הבינה המלאכותית הגנרטיבית לאמזון Bedrock (באמצעות מודל Claude2 של Anthropic על Amazon Bedrock).
5. אחסן את התגובה מאמזון Bedrock (מסמך בפורמט HTML) ב שירות אחסון פשוט של אמזון (אמזון S3).
6. הפעל את תהליך הדוא"ל של KPI באמצעות AWS למבדה:
   1. האימייל בפורמט HTML מופק מאמזון S3 ומתווסף לגוף האימייל.
   2. ה-PDF עבור KPI של לקוחות מופק מ-zAdviser ומצורף למייל.
   3. המייל נשלח למנויים.

צילום המסך הבא מציג את סיכום ה-LLM של מדדי DORA שנוצרו באמצעות Amazon Bedrock ונשלחו כמייל ללקוח, עם קובץ PDF המצורף המכיל את דוח לוח המחוונים של מדדי DORA KPI של zAdviser.

טעימות מפתח

בפתרון זה, אינך צריך לדאוג שהנתונים שלך ייחשפו באינטרנט כאשר הם נשלחים ללקוח AI. קריאת ה-API לאמזון Bedrock אינה מכילה מידע אישי מזהה (PII) או כל מידע שיכול לזהות לקוח. הנתונים היחידים המועברים מורכבים מערכים מספריים בצורת ה-KPI המטריים של DORA והוראות לפעולות ה-AI הגנרטיבי. חשוב לציין, לקוח הבינה המלאכותית הגנרטיבית אינו שומר, לומד או מאחסן את הנתונים הללו.

צוות ההנדסה של zAdviser הצליח ביישום מהיר של תכונה זו תוך פרק זמן קצר. ההתקדמות המהירה התאפשרה על ידי ההשקעה המשמעותית של zAdviser בשירותי AWS, וחשוב מכך, הקלות בשימוש ב- Amazon Bedrock באמצעות קריאות API. זה מדגיש את הכוח הטרנספורמטיבי של טכנולוגיית AI גנרטיבית המגולמת ב-Amazon Bedrock API. API זה, המצויד במאגר הידע הספציפי לתעשייה zAdviser Enterprise ומותאם אישית עם מדדי DevOps ספציפיים לארגון שנאספים באופן רציף, מדגים את הפוטנציאל של AI בתחום זה.

בינה מלאכותית גנרטיבית היא בעלת פוטנציאל להוריד את מחסום הכניסה לבניית ארגונים מונעי בינה מלאכותית. מודלים של שפה גדולים (LLMs) במיוחד יכולים להביא ערך אדיר לארגונים המבקשים לחקור ולהשתמש בנתונים לא מובנים. מעבר לצ'אטבוטים, ניתן להשתמש ב-LLM במגוון משימות, כגון סיווג, עריכה וסיכום.

סיכום

פוסט זה דן בהשפעה הטרנספורמטיבית של טכנולוגיית AI גנרטיבית בצורה של ממשקי API של Amazon Bedrock המצוידים בידע הספציפי לתעשייה שיש ל-BMC zAdviser, מותאם עם מדדי DevOps ספציפיים לארגון שנאספים באופן שוטף.

בדוק אתר BMC כדי ללמוד עוד ולהגדיר הדגמה.

על הכותבים

סוניל במרקר הוא אדריכל Sr. Partner Solutions ב- Amazon Web Services. הוא עובד עם ספקי תוכנה עצמאיים (ISV) ולקוחות אסטרטגיים שונים בתעשיות כדי להאיץ את מסע הטרנספורמציה הדיגיטלית ואימוץ הענן שלהם.

ויג' באלקרישנה הוא מנהל פיתוח שותפים בכיר בחברת Amazon Web Services. היא עוזרת לספקי תוכנה עצמאיים (ISVs) על פני תעשיות להאיץ את מסע הטרנספורמציה הדיגיטלית שלהם.

ספנסר הולמן הוא מנהל המוצר הראשי של BMC AMI zAdviser Enterprise. בעבר, הוא היה מנהל המוצר של BMC AMI Strobe ו-BMC ​​AMI Ops Automation עבור Batch Thruput. לפני ניהול המוצר, ספנסר היה המומחה לנושאים לביצועי מיינפריים. הניסיון המגוון שלו לאורך השנים כלל גם תכנות בפלטפורמות ושפות מרובות וכן עבודה בתחום חקר התפעול. יש לו תואר שני במנהל עסקים עם ריכוז בחקר תפעול מאוניברסיטת טמפל ותואר ראשון במדעי המחשב מאוניברסיטת ורמונט. הוא גר בדבון, פנסילבניה וכשהוא לא משתתף בפגישות וירטואליות, נהנה לטייל עם הכלבים שלו, לרכוב על אופניו ולבלות עם משפחתו.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/