如今，人工智能(AI)和機器學習(ML)的進步為從傳感器驅(qū)動的天氣預報到無人駕駛汽車再到智能聊天機器人的廣泛應用提供了可能性。開發(fā)團隊通過利用自動化來快速原型化，迭代和改進應用程序，實現(xiàn)了這些突破。隨著AI用例的規(guī)模，范圍和復雜性的增加，DevOps迅速成為構(gòu)建和交付的首選方式，因為它有助于縮短開發(fā)生命周期并提供具有高質(zhì)量軟件的連續(xù)交付。

本文概述了AI如何幫助DevOps團隊更好地監(jiān)視，警報和解決生產(chǎn)管道中的問題，以推動戰(zhàn)略業(yè)務收益，并探討了為確保企業(yè)為支持AI的DevOps做好準備所需的內(nèi)部變更。

對啟用AI的DevOps的需求

DevOps工程師通過監(jiān)視網(wǎng)絡穩(wěn)定性，可用性和其他關(guān)鍵指標來管理數(shù)據(jù)平臺的開發(fā)，測試和操作。DevOps團隊面臨的一些常見挑戰(zhàn)包括管理多個庫和代碼版本，考慮適當?shù)牟渴饏?shù)以避免應用程序失敗以及在較短的時間內(nèi)自定義腳本以確保最佳性能。

如果有足夠的數(shù)據(jù)，則AI模型可以檢測DevOps流程中的特定模式，以幫助確定瓶頸并解決這些挑戰(zhàn)。AI還可以幫助克服傳統(tǒng)DevOps工具的局限性，尤其是在開發(fā)和生產(chǎn)工作流中監(jiān)視事件時。通常，當超過用戶設置的閾值時，將觸發(fā)針對受監(jiān)視事件的警報。然后記錄事件，并向團隊發(fā)出警報。

但是，這種反應性方法取決于特定個人的響應能力。此外，在安全監(jiān)控的情況下，由此類閾值觸發(fā)的警報可能會產(chǎn)生許多誤報。人工智能算法可以通過主動識別模式并在潛在破壞發(fā)生之前警告團隊，來幫助應對這些挑戰(zhàn)。