详细内容或原文请订阅后点击阅览
速度没有压力：AI如何重写DevOps
软件开发需要以经扭曲的速度创建和交付新产品，而不会持续交付时中断。作为现代软件团队的骨干，DevOps接听了电话。但是，需求正在加剧，裂缝开始显示。倦怠猖ramp，可观察到的工具是噪音的压倒性团队，开发人员的承诺[…]没有压力的后速度：AI如何重写DevOps在Unite.ai上首次出现。
来源:Unite.AI软件开发需要以经扭曲的速度创建和交付新产品，而不会持续交付时中断。作为现代软件团队的骨干，DevOps接听了电话。但是，需求正在加剧，裂缝开始显示。倦怠猖ramp，可观察到的工具是压倒性的团队，有噪音，开发人员速度的承诺通常感觉就像是空洞的营销炒作。
幸运的是，人工智能正在介入以向Devops伸出援手。它的速度，洞察力和简单性的融合是将扭转潮流的关键。
人工智能大多数公司关于可观察性的问题
询问任何DevOps工程师有关可观察性的信息，您会听到有关仪表板，日志，痕迹和指标的信息。公司经常以“跟踪所有内容”为荣，建立复杂监控堆栈，这些堆栈散发出无尽的数据流。
可观察性但这是问题：可观察性与您收集的数据无关。相反，这是关于了解数据背后的故事。
房屋可以拥有10个安全摄像机，但是如果没有一个人指向前门，您可能会错过入侵者。不幸的是，这是许多团队发现自己的情况：淹没在指标中，但仍无法指出问题的根本原因。可观察性应该简化决策，而不是使他们复杂化。
缺少的是上下文。
可观察性工具应该连接点，帮助团队了解重要的事情，最重要的是为什么会发生。例如，他们不仅要证明CPU使用是峰值，还应解释这是由于新的部署，流量模式还是上游服务失败。如果您的团队需要数据科学博士学位来理解您的监视堆栈，那么您错过了这一点。最佳工具指导您采取可行的见解，这些见解直接影响您的业务。
为什么DevOps团队燃烧
而不是一份工作，它已成为五个工作。结果？倦怠。