在DevOps实践的核心中是连续集成(CI)和连续部署(CD)管道,它们可以自动化软件交付的关键阶段。连续集成涉及将多个贡献者的代码更改合并为共享存储库,然后通过测试进行自动验证[3]。这确保了及早发现并解决集成问题,从而减少了开发周期后期昂贵的错误的可能性[4]。连续部署,另一方面,将测试代码发布到生产环境中,使组织能够快速可靠地向用户提供更新[5]。一起,这些实践构成了DevOps工作流的骨干,确保了无缝集成,一致的交付和高质量的软件[6]。
∗ 通讯作者电子邮件地址:hugo.bruneliere@imt-atlantique.fr(Hugo Bruneliere)、{vittoriano.muttillo,romina.eramo}@univaq.it(Vittoriano Muttillo、Romina Eramo)、luca.berardinelli@jku。 (Luca Berardinelli)、agomezlla@uoc.edu (Abel G´omez)、{alessandra.bagnato,andrey.sadovykh}@softame.fr (Alessandra Bagnato、Andrey Sadovykh)、antonio.cicchetti@mdu.se (Antonio Cicchetti)
软件开发中最明显的趋势给组织带来了巨大的压力,迫使他们快速生产出高质量的软件。由于 DevOps 高度重视自动化、协同和持续交付,因此可以将其视为当前软件开发方法的基础。尽管 CI/CD 管道变得更加复杂,并遇到了与之相关的实时决策,但您的工作仍然具有挑战性。本文旨在描述智能 DevOps,在 CI/CD 过程中应用人工智能 (AI) 和机器学习 (ML) 并改进软件交付生命周期。AI 可帮助 DevOps 团队避免重复任务,确定管道故障的原因,更好地控制资源使用情况,并提高管道效率。该研究讨论了 DevOps 流程的 AI 自动化的当前趋势以及采用前景和威胁,并提出了 DevOps 框架中的 AI。基于一组配对的低级案例和高级实验,本研究证明了智能 DevOps 在提高速度、提高稳定性和降低软件交付成本方面的有效性和能力。研究结果将为计划实施基于人工智能的增强/自动化 DevOps 实践的组织提供路线图,并为想要研究这一不断发展的领域未来发展的研究人员提供参考。
尽管取得了这些进步,但将安全性完全集成到 DevOps 实践中仍然存在挑战,尤其是在云环境中。Shortridge 等人 (2020) 探讨了有效采用 DevSecOps 所需的文化和运营变革,强调开发、运营和安全团队之间需要协作。他们认为,必须克服这些团队之间的传统孤岛,以培养一种共同承担安全责任的文化。同样,Thomas 和 Whitman (2021) 解决了在多云环境中平衡速度和安全性的复杂性,并指出管理不同的安全协议和合规性要求可能是一个重大障碍。他们的研究表明,使用 AWS Secrets Manager 和 AWS Config 等工具可以通过提供全面的安全管理解决方案来帮助应对这些挑战。
技术是软件开发快速发展的主要原因。DevOps是软件开发/操作生命周期的相对较新的实践框架,该框架得到了人工智能(AI)支持。使用AI,DevOps流程在跨职能合作和软件交付优化方面变得更加精通。此博客评估了AI在DevOps中的一些影响,包括AI正在改变过程,某些实施它的工具,这项技术带来的一些好处以及它带来的一些挑战。
1 约翰霍普金斯大学应用物理实验室研究与探索性发展部,美国马里兰州劳雷尔 2 DataJoint Inc.,美国德克萨斯州休斯顿 3 CatalystNeuro,美国加利福尼亚州贝尼西亚 4 辉瑞公司数字研发创造中心,美国 5 麻省理工学院麦戈文脑研究所,美国马萨诸塞州剑桥 6 达特茅斯学院心理与脑科学系开放神经科学中心,美国新罕布什尔州 7 Inscopix,布鲁克旗下公司,美国加利福尼亚州山景城 8 开放科学策略 (Stratos),美国加利福尼亚州圣克鲁斯 9 Happy Potato, Inc.,美国华盛顿州伊瑟阔 10 德克萨斯大学奥斯汀分校神经科学系,德克萨斯州奥斯汀 11 贝勒医学院神经外科,德克萨斯州休斯顿 12 柏林夏里特医学院柏林健康研究所 (BIH),德国柏林 13柏林夏里特医学院神经病学及实验神经病学系,柏林自由大学和柏林洪堡大学企业成员,德国柏林 14 贝恩斯坦学习状态依赖性重点研究和贝恩斯坦计算神经科学中心,德国柏林 15 爱因斯坦柏林神经科学中心,德国柏林 16 爱因斯坦数字未来中心,德国柏林 16 哈佛医学院耳鼻喉科系,美国马萨诸塞州波士顿 17 加州大学圣地亚哥分校神经科学系,美国加利福尼亚州拉霍亚 18 德克萨斯大学奥斯汀分校心理学系,美国德克萨斯州奥斯汀 a erik.c.johnson@jhupl.edu;b dimitri@datajoint.com
装箱清单适用于所有红色物品为关键物品后开始的课程,并将在第一天在 WEYAND 球场摆放。所有关键物品必须装在背包或同等物品中。如果发现学生没有关键物品,他们将立即被免除课程。学生的担保人将被允许携带缺失物品,直到完成 CWSA。如果学生收到缺失物品,它们将被移至备用清单的底部,并允许进入课程,直至可用。所有黄色物品均为必需品。这些物品将装在行李袋中,并在抵达闪电营时摆放好。如果在第一天发现学生没有其中任何一件物品,他们将收到重大缺陷报告,并且没有机会从赞助商处获得该物品。所有重要物品都必须装在背包或同等物品中。所有必需和可选物品都必须装在行李袋中。不得在民用行李中携带任何装箱单上的物品。如对 JOTC 装箱单或报告说明有任何疑问,请联系闪电学院 TAC,电话 1-808-787-9402,或访问网站:https://home.army.mil/hawaii/index.php/25thID/units/lightning-academy。
摘要 Agentic 人工智能 (AI) 与预测性 AIOps(IT 运营的人工智能)的集成正在彻底改变 IT 系统的管理,显著提高 IT 的自主性和性能 (Smith & Johnson,2023)。本文探讨了 Agentic AI 在赋能 AIOps 平台主动预测、识别和解决系统问题方面的潜力。通过利用预测分析和机器学习,AIOps 不仅可以提高运营效率,还可以最大限度地减少停机时间并支持复杂 IT 环境中的自主决策 (Lee 等人,2022)。我们研究了 Agentic AI 在改善性能指标、优化资源分配和减少对关键系统操作中人为干预的依赖方面发挥的关键作用 (Garcia & Patel,2024)。此外,本研究还探讨了对 IT 基础设施可扩展性、长期弹性以及向自治系统演进的影响 (Chen,2023)。研究结果强调了 Agentic AI 对未来 IT 运营的变革性影响,展示了其促进更高水平的自动化和运营智能的潜力。关键词:Agentic AI、预测性 AIOps、IT 自主性、异常检测、资源优化、主动问题解决、自主决策、IT 运营管理、风险管理、IT 基础设施中的 AI。简介 AI 优化的运营尤其引人注目,因为它们发现了以前无法想象的可能性,这些可能性根本不需要,但对于将 IT 运营提升到新的水平是根本必要的 (Compagnucci & Kasyanov, 2023)。帮助催生此类系统的 AIOps 系统已成为卓越的计算机化系统,可同时促进和整合大规模 IT 管理和业务运营。该领域最新的实现之一是引入 Agentic AI 系统——能够做出决策的自主系统,可以从信息中学习并无需帮助即可适应新环境 (Lee & Patel, 2023)。被归类为 Agentic 的 AI 系统已被预测为一种系统,它通过实时分析环境来预测环境中的问题,并在问题升级之前处理这些问题,同时减少 IT 系统运行的成本影响和停机时间,从而为 IT 业务的运营带来完全不同的范式转变 (Chen, 2024)。本文旨在分析 Agentic AI 在预测性 AIOps 背景下提高 IT 自给自足和效率方面的作用。我们还将重点关注异常检测和预防问题以及与其使用相关的资源优化挑战。此外,还将探讨在组织中使用此类系统的道德问题和风险管理的界限 (Smith, 2023)。技术进步带来的改进,特别是通过 - 在文献综述中结合 Agentic AI 预测性 AIOps 使流程变得更容易
我们是一家全球 IT 和业务流程服务公司,拥有 90,000 名员工。我们在 400 个地点开展业务,为 20 多个行业的组织提供完整、可扩展和可持续的服务 - 全球支持和本地实施。我们灵活、端到端、尖端的服务包括战略 IT 和业务咨询、系统集成、托管 IT、知识产权以及涉及 AI 的联合开发解决方案。