Noll
DevOps har varit ett hett ämne och strävan efter ett par år nu. Under denna tid, många företag har försökt att sätta detta sätt att arbeta-där utveckling och produktion ligger i linje med pågående verksamhet krav-på plats i en eller annan form. Men 2018 ser ut att bli året då allt verkligen börjar komma samman och göra sig känd.
Foto: Joe McKendrick
Varför? Vi har nått den kritiska punkt där program och data som kör varje aspekt av verksamheten. Chefer och beslutsfattare att inse att teknik måste hålla jämna steg med den snabba förändringar som sker i företagets krav. Ansökningar måste vara monterade, återplacerats och dis-monteras på ett ögonblick.
Här är några observationer från ledande DevOps tänka på vad man ska förvänta sig i detta utrymme i de kommande månaderna:
Cross-plattform för engagemang och IoT innebär fler applikationer och enheter: Den typiska företaget har blivit en nonstop programvara och data factory, drift 24×7. Tekniken har för att vara där hela tiden, och DevOps kommer att vara avgörande för att hålla takt med att skapa, testa och leverera programvara på en 24×7 grund. “Lägg till i ökningen av internet of things (IoT), som gör det möjligt för sömlösa övergångar mellan smartphones, Tv-apparater, surfplattor och andra enheter,” Eran Kinsbruner, leda teknisk evangelist på Perfecto, skriver i DevOps.com. “I och med 2018, branscher som finansiella tjänster, sjukvård, detaljhandel och fordonsindustrin kommer att fullt ut ta till sig av sakernas internet. Ett viktigt steg i att leverera felfria UX är att testa, och massor av det. Aldrig har det varit mer att testa, mäta och utveckla än i denna digitala revolution vi ser i dag.”
“DevSecOps:” Säkerheten är top of mind för alla, och vad som behövs är ett sätt att baka in det i program, från början och ända fram till pensioneringen. Chris Carlson, vice vd för product management för Qualys, utforskar varför “Sec -” behov av att bli förflyttad in i det begreppet: “Security team måste förstå att DevOps är snabbt ändra hur DET fungerar och behovet av att samarbeta med IT-utveckling och tillämpning lag mycket tidigare i planering och genomförande livscykel, säger han. Detta kräver “att bygga säkerhet i DevOps pipeline istället för bultning på i efterhand.”
DevOps blir Agila: Diego Lo Giudice, analytiker på Forrester, finner organisationer som anställer en kombination av Agile-där utvecklare arbetar i nära samarbete med slutanvändare för att leverera täta iterationer av programvara — och DevOps klarar sig bättre än de som gör både initiativ separat. “Det är helt enkelt oacceptabelt för alla IT-organisation att fokusera på en Agile-eller DevOps-endast resa, säger han. “De är två sidor av samma mynt, och den ena kompletterar den andra.” Forrester ‘ s senaste undersökningen visar att företag med en sammanlagd Agile-DevOps initiativ är upp till dubbelt så stor risk att rapportera större företag/IT-anpassning, förbättrade funktionella kvalitet, snabbare affärer värde, kontinuerlig leverans, och öka förutsägbarheten i resultat i linje med de krav som
Täta nya releaser kommer att kräva ett ännu snabbare uppdateringar: Med stigande förväntningar om företagets teknik kommer trycket att säkerställa ständigt högpresterande applikationer. DEN ledare “måste inse vikten av att ge utvecklare med de verktyg och tid att genomföra kontinuerliga tester inom software development lifecycle, säger Kinsbruner. “Verktyg, som de som drivs av automation och moln, öka effektiviteten och frigöra tid utvecklare som tidigare lagts ned på manuell kvalitet-kontroll, för att låta dem se de appar som de producerar är i linje med konsumenternas förväntningar.”
Artificiell intelligens och maskininlärning kan börja göra en buckla i DevOps. Lösningar som kommer på marknaden använder AI och maskininlärning för att inte bara hjälpa DevOps lag spåra framsteg, men också förutsäga var och när kod behövs. I artiklar som publicerats under det senaste året, både Ronald Van Loon och Daniel Cronin diskutera AI-baserade lösningar som ger kognitiva datorkraft för att DevOps processer. Till exempel, Van Loon beskriver den teknik som använder maskin-lärande algoritmer för att matcha de mänskliga domän kunskap med logga data, tillsammans med öppen källkod förråd, diskussionsforum och sociala tråd. Med all denna information, det gör en data reservoar av relevanta insikter som kan innehålla lösningar till ett stort antal kritiska frågor, som drabbar DET verksamheten och DevOps lag på en daglig basis.”
Fortfarande, ett tänkande som måste göras innan AI kan på allvar lyfta några bördor av DevOps lag, Kinsbruner risk. “Utvecklare först måste förstå vad de vill AI för att hjälpa dem att åstadkomma-och hur-i SDLC och över DevOps pipeline. Ett logiskt ställe att börja är att räkna ut hur de på bästa sätt kan utnyttja det för att analysera test automation strategier.”
Relaterade Ämnen:
Big Data Analytics
CXO
Trodde Ledarskap
Innovation
Tech och Arbete
0