人工智能和机器学习如何改变DevOps( 二 ) 人工智能和机器学习为DevOps带来了新的

(6)测试影响分析工具
在测试执行完成后，人工智能和机器学习测试影响分析(TIA)工具将处于适当位置，可以指导决策者将哪些测试继续进行到下一个版本，哪些领域不涉及其他内容。在相同的测试类别下，人工智能和机器学习算法可以根据思想测试数据确定故障的根本原因，并节省大量的平均解决时间(MTTR) 。
(7) AIOps
在DevOps流程的后期，在将代码部署到生产之前和之后，人工智能和机器学习引领了AIOps中的新兴技术。良好的AIOps解决方案不仅涵盖智能应用程序性能监视(APM) ，而且还利用了IT基础设施管理(ITIM)和IT服务管理(ITSM) 。这些共同构成了生产和运营洞察力分析的综合层，可以在大数据上运行，并且可以针对先进的现代软件架构(微服务和云平台等)运行。
借助基于人工智能的操作功能，组织团队可以专注于确定其应用程序的服务运行状况，并获得对其生产数据的控制和可视性。这样， DevOps团队可以使用实时自动事件管理来加快其平均解决时间(MTTR) 。在这里，人工智能和机器学习在生产中的应用程序内的日志可观察性、趋势和预测等方面可以做更多的工作。
使用AIOps产品组合中的此类工具，团队可以减少并经常防止服务停机(预测性警报) 。他们还可以加快支持故障解决的速度，更快地分析大型日志文件，并找出根本原因和类别(安全性、网络、服务器等) 。
结语
尽管DevOps和人类工程学永远不会消失，但它们肯定可以使用一些帮助来优化和加速那些难以自动化和维护的单调、易出错的活动。
【人工智能和机器学习如何改变DevOps】人工智能和机器学习是应对这些挑战的绝佳解决方案，并且通过对每个组织的问题进行适当的分析，决策者可以从这些工具中获得巨大价值。而只有在将这些解决方案与现有流程和工具无缝集成的情况下，才能获得成功。如果人工智能和机器学习无法轻松地集成到标准DevOps工具堆栈中，则项目将无法实现价值，并最终恢复到传统的软件开发实践。