AI在线 AI在线

AI正在颠覆DevOps生命周期的六种方式

AI重塑DevOps! 自动修复、预测性监控革新运维;GenAI驱动代码生成与优化,加速开发;智能测试自动化提升效率;AI优化基础设施和工具链(CI/CD),实现数据驱动的战略规划,速享AI红利! 译自:6 Ways AI Is Upending the DevOps Lifecycle[1]作者:Hannah CulverAI革命并非敲响DevOps的大门,而是已经在重新装修房子。

AI重塑DevOps!自动修复、预测性监控革新运维;GenAI驱动代码生成与优化,加速开发;智能测试自动化提升效率;AI优化基础设施和工具链(CI/CD),实现数据驱动的战略规划,速享AI红利!

译自:6 Ways AI Is Upending the DevOps Lifecycle[1]

作者:Hannah Culver

AI革命并非敲响DevOps的大门,而是已经在重新装修房子。虽然各个团队一直在试验AI工具[2],并在孤立的情况下取得了令人印象深刻的胜利,但真正的魔力发生在AI改变整个运营工作流程时。

在整个DevOps生命周期[3]中实施AI的组织正在看到指数级的增长,这使得零星采用的好处相形见绌。如果您希望在您的DevOps生命周期中应用AI[4],以下是如何开始的方法。

1. 自动修复和主动事件管理

AI正在将传统的故障排除模式转变为预测和预防的强大力量。关键工作有三种形式:充分理解、部分理解以及新的、新颖的或重大的。

对于充分理解的问题,AI可以运行[5]自动修复来解决问题,并记录发生的事情供人工操作员事后审查。对于部分理解的问题,人类退居AI和自动化之后,然后在需要人工判断时介入。对于新的、新颖的或重大的问题,人类仍然主导。AI作为值得信赖的助手,减轻了响应人员的负担。

2. 下一代预测性监控

AI通过从被动方法转变为预测方法,彻底改变了系统监控。现代AI系统[6]不仅检测异常情况,还了解数千个指标中的复杂模式,以预测潜在的问题。然后,AI可以根据历史模式、季节性变化和业务环境调整监控阈值。结果是什么?误报骤降,而真正的问题更早浮出水面。

3. 智能测试自动化

手动测试设计和维护的日子屈指可数。AI可以生成合成测试数据,涵盖人类可能遗漏的边缘情况。它根据代码更改设计测试场景,并优化测试执行路径以获得最大的覆盖率。它还可以根据代码更改预测哪些测试最有可能失败,从而优先考虑关键测试路径并减少测试执行时间。

4. AI驱动的代码生成和优化

生成式AI(GenAI)正在改变团队编写和维护代码的方式。高级语言模型现在可以生成代码片段,重构现有代码以获得更好的性能,甚至可以提出架构改进建议。

除了提高速度之外,这些工具还可以强制执行最佳实践,减少技术债务,并且可以在提交之前发现潜在的错误。它尚未准备好投入生产,但它是人类程序员的起点。它可以作为个人代码审查员,并提供V1版本。

5. 智能基础设施和工具链优化

现代DevOps堆栈正淹没在复杂性中,包含数十种软件即服务(SaaS)工具、多个云提供商以及每次新版本都会发生变化的无数配置选项。

虽然CI/CD流水线[7]可能不需要经常进行大修,但跟上DevOps工具的快速发展本身已成为一项全职工作。AI正在成为终极技术管理者,自动管理和优化您的整个工具链生态系统。这些智能系统会持续扫描您的基础设施以寻找优化机会,主动处理安全更新,并确保您在整个堆栈中利用最新功能——将曾经令人难以承受的更新洪流转变为简化的自动化流程。

6. 数据驱动的战略规划

AI正在彻底改变团队将性能数据转化为战略行动的方式。AI现在可以处理大量的运营数据,以突出机会领域。它可以与用户分享这些见解,而无需大量的提示工程。运营数据和进一步自动化的建议触手可及。

AI不仅关注系统数据,还关注人类数据。这有助于预测过度劳累和倦怠,从而使人们获得更好的工作与生活平衡。凭借正确的行动知识,运营会随着时间的推移变得更具弹性,并且减少工作量。

展望未来

DevOps[8] 的未来由 AI 驱动,并且它的到来速度比任何人预测的都要快。这并非要取代人类的专业知识,而是要放大它。AI 正在成为与团队并肩工作的数字孪生体。它处理日常任务,同时使人类能够专注于创造力和创新。随着这些技术的不断发展,我们看到更多智能的 DevOps 工作流程涌现,它们可以学习、适应和改进。

今天拥抱这种 AI 驱动转型的组织不仅会优化其运营,还会重塑软件交付的可能性。问题已不再是是否在 DevOps 中拥抱 AI,而是你能够以多快的速度将其转化为你的竞争优势。

引用链接

[1] 6 Ways AI Is Upending the DevOps Lifecycle:https://thenewstack.io/six-ways-ai-is-upending-the-devops-lifecycle/

[2]AI工具:https://www.pagerduty.com/resources/ai/learn/ai-glossary/

[3]DevOps生命周期:https://thenewstack.io/introduction-to-devops/

[4]应用AI:https://thenewstack.io/ai-agents-a-comprehensive-introduction-for-developers/

[5]AI可以运行:https://www.pagerduty.com/resources/ai/learn/what-is-agentic-ai/

[6]现代AI系统:https://www.pagerduty.com/resources/ai/learn/what-are-ai-agents/

[7]CI/CD流水线:https://thenewstack.io/ci-cd/

[8]DevOps:https://roadmap.sh/devops

相关资讯

让天下没有难做的开发和运维,DevOps终于有了专属大模型,蚂蚁和北大联合发布

大语言模型在各类 NLP 下游任务上都取得了显著进展,各种垂直领域大模型更是如雨后春笋般层出不穷。然而在 DevOps 领域,却迟迟没有相关大模型问世。为填补这方面的空白,蚂蚁集团联合北京大学发布了面向中文 DevOps 领域的首个开源大语言模型,即 DevOps-Model 。该大模型旨在帮助开发人员在软件开发和运维的整个生命周期中提高效率,最终目标是实现在 DevOps 流程中面临任何问题时,都可以通过向 DevOps-Model 提问来获取解决方案!当前已经开源了 7B 和 14B 两种规格的 Base 和
11/16/2023 3:00:00 PM
机器之心

充分发挥人工智能代理(AI Agents)的能力,以此实现DevOps和云的无缝衔接​

在当今数字化时代,人工智能代理正在成为推动DevOps和云交付成功的关键力量。 本文将深入探讨如何在DevOps和云环境中有效运用人工智能技术。 随着人工智能的迅猛发展,企业迎来了前所未有的机遇,企业能够以更高效、更具创造力的方式优化业务流程。
2/6/2025 10:45:43 AM

充分利用人工智能代理实现DevOps与云服务无缝集成

译者 | 李睿审校 | 重楼人工智能(AI)的快速发展为企业优化业务运营和提高创造力创造了新的机会。 这一领域的一个关键发展是智能代理,这些代理在重塑DevOps和云交付过程中变得至关重要。 它们专为达成特定任务与目标而设计,这改变了系统在当今动态技术生态中的工作方式。
2/7/2025 8:00:00 AM
李睿
  • 1