在软件工程中，团队绩效与构建健壮、稳定的应用程序之间存在直接关联。数据社区的目标是将软件开发中常用的严格工程原理应用到自己的实践中，其中包括设计、开发、测试和维护的系统方法。这需要仔细组合应用程序和指标，以提供完整的感知、准确性和控制。这意味着评估团队绩效的各个方面，重点是持续改进，它不仅适用于大型机，也适用于分布式和云环境，甚至更多。
这是通过用于部署、自动化测试、应用程序可观察性和完整应用程序生命周期所有权的基础设施即代码 (IaC) 等实践来实现的。通过多年的研究， DevOps 研究和评估 (DORA) 团队确定了四个表明软件开发团队绩效的关键指标：
- 部署频率 – 组织成功发布到生产环境的频率
- 变更准备时间 – 提交到投入生产所需的时间
- 改变失败率 – 导致生产失败的部署百分比
- 恢复服务的时间 – 组织需要多长时间才能从生产故障中恢复过来
这些指标提供了一种量化方法来衡量 DevOps 实践的有效性和效率。尽管 DevOps 分析的大部分重点都集中在分布式和云技术上，但大型机仍然保持着独特而强大的地位，并且它可以使用 DORA 4 指标来进一步提升其作为商业引擎的声誉。
这篇博文讨论了 BMC Software 如何添加 AWS 生成式人工智能 其产品的能力 BMC AMI zAdviser 企业版。 zAdviser 使用 亚马逊基岩 根据DORA指标数据提供总结、分析和改进建议。
跟踪 DORA 4 指标的挑战
跟踪 DORA 4 指标意味着将数字放在一起并将其放在仪表板上。然而，衡量生产力本质上是衡量个人的表现，这会让他们感到受到审视。这种情况可能需要改变组织文化，以关注集体成就，并强调自动化工具可以增强开发人员的体验。
避免关注不相关的指标或过度跟踪数据也很重要。 DORA指标的本质是将信息提炼成一组核心关键绩效指标（KPI）以进行评估。平均恢复时间 (MTTR) 通常是最简单的跟踪 KPI，大多数组织使用 BMC Helix ITSM 等工具或其他记录事件和问题跟踪的工具。
捕获变更的交付时间和变更失败率可能更具挑战性，尤其是在大型机上。变更交付时间和变更失败率 KPI 汇总来自代码提交、日志文件和自动测试结果的数据。使用基于 Git 的 SCM 将这些见解无缝地整合在一起。使用 BMC 基于 Git 的 DevOps 平台 AMI DevX 的大型机团队可以像分布式团队一样轻松地收集这些数据。
解决方案概述
Amazon Bedrock 是一项完全托管的服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等领先 AI 公司的高性能基础模型 (FM) 以及广泛的一组构建具有安全性、隐私性和负责任的人工智能的生成式人工智能应用程序所需的功能。
BMC AMI zAdviser Enterprise 提供广泛的 DevOps KPI，以优化大型机开发并使团队能够主动识别和解决问题。 AMI zAdviser 使用机器学习来监控跨 DevOps 工具链的大型机构建、测试和部署功能，然后提供 AI 主导的持续改进建议。除了捕获和报告开发 KPI 之外，zAdviser 还捕获有关 BMC DevX 产品如何采用和使用的数据。这包括已调试的程序数量、使用 DevX 测试工具的测试工作结果以及许多其他数据点。这些额外的数据点可以更深入地了解开发 KPI（包括 DORA 指标），并可用于未来与 Amazon Bedrock 一起进行的生成式 AI 工作。
以下架构图显示了 zAdviser Enterprise 的最终实现，它利用生成式 AI 根据 DORA 指标 KPI 数据提供总结、分析和改进建议。
解决方案工作流程包括以下步骤：
- 创建聚合查询以从 Elasticsearch 检索指标。
- 从 zAdviser 中提取存储的大型机指标数据，该数据托管在 亚马逊弹性计算云 (Amazon EC2) 并部署在 AWS 中。
- 聚合从 Elasticsearch 检索的数据并形成生成 AI Amazon Bedrock API 调用的提示。
- 将生成式 AI 提示传递给 Amazon Bedrock（在 Amazon Bedrock 上使用 Anthropic 的 Claude2 模型）。
- 将 Amazon Bedrock 的响应（HTML 格式的文档）存储在 亚马逊简单存储服务 （亚马逊S3）。
- 通过以下方式触发 KPI 电子邮件流程 AWS Lambda:
- HTML 格式的电子邮件从 Amazon S3 中提取并添加到电子邮件正文中。
- 客户 KPI 的 PDF 是从 zAdviser 中提取的，并附加到电子邮件中。
- 该电子邮件将发送给订阅者。
以下屏幕截图显示了使用 Amazon Bedrock 生成并作为电子邮件发送给客户的 DORA 指标的 LLM 摘要，其中包含包含 zAdviser 的 DORA 指标 KPI 仪表板报告的 PDF 附件。
关键外卖
在此解决方案中，您无需担心数据发送到人工智能客户端时会暴露在互联网上。对 Amazon Bedrock 的 API 调用不包含任何个人身份信息 (PII) 或任何可识别客户身份的数据。传输的唯一数据包括 DORA 指标 KPI 形式的数值和生成 AI 操作的指令。重要的是，生成式人工智能客户端不会保留、学习或缓存这些数据。
zAdviser 工程团队在短时间内成功快速实现了此功能。 zAdviser 对 AWS 服务的大量投资以及更重要的是通过 API 调用轻松使用 Amazon Bedrock 促进了快速进展。这凸显了 Amazon Bedrock API 所体现的生成式 AI 技术的变革力量。该 API 配备了特定于行业的知识库 zAdviser Enterprise，并根据不断收集的特定于组织的 DevOps 指标进行定制，展示了人工智能在该领域的潜力。
生成式人工智能有潜力降低构建人工智能驱动型组织的准入门槛。大型语言模型 (LLM) 尤其可以为寻求探索和使用非结构化数据的企业带来巨大价值。除了聊天机器人之外，法学硕士还可以用于各种任务，例如分类、编辑和摘要。
结论
这篇文章讨论了 Amazon Bedrock API 形式的生成式 AI 技术的变革性影响，该 API 配备了 BMC zAdviser 所拥有的行业特定知识，并根据持续收集的特定于组织的 DevOps 指标进行定制。
退房 BMC网站 了解更多信息并设置演示。
作者简介
苏尼尔·贝马克 是 Amazon Web Services 的高级合作伙伴解决方案架构师。他与各行业的各种独立软件供应商 (ISV) 和战略客户合作，加速他们的数字化转型之旅和云采用。
维吉·巴拉克里希纳 是 Amazon Web Services 的高级合作伙伴开发经理。她帮助各行业的独立软件供应商 (ISV) 加速其数字化转型之旅。
斯宾塞霍尔曼 是 BMC AMI zAdviser Enterprise 的首席产品经理。此前，他曾担任 BMC AMI Strobe 和 BMC AMI Ops Automation for Batch Thruput 的产品经理。在从事产品管理之前，Spencer 是大型机性能的主题专家。他多年来的丰富经验还包括在多种平台和语言上进行编程以及在运筹学领域的工作。他拥有天普大学运筹学工商管理硕士学位和佛蒙特大学计算机科学学士学位。他住在宾夕法尼亚州德文郡，当他不参加虚拟会议时，喜欢遛狗、骑自行车以及与家人共度时光。
