Nell'ingegneria del software esiste una correlazione diretta tra le prestazioni del team e la creazione di applicazioni robuste e stabili. La comunità dei dati mira ad adottare i rigorosi principi ingegneristici comunemente utilizzati nello sviluppo del software nelle proprie pratiche, che includono approcci sistematici alla progettazione, allo sviluppo, al test e alla manutenzione. Ciò richiede un'attenta combinazione di applicazioni e metriche per fornire consapevolezza, accuratezza e controllo completi. Significa valutare tutti gli aspetti delle prestazioni di un team, con particolare attenzione al miglioramento continuo, e si applica tanto al mainframe quanto agli ambienti distribuiti e cloud, forse di più.

Ciò si ottiene attraverso pratiche come l'infrastruttura come codice (IaC) per le distribuzioni, i test automatizzati, l'osservabilità delle applicazioni e la proprietà completa del ciclo di vita delle applicazioni. Attraverso anni di ricerca, il Ricerca e valutazione DevOps (DORA) ha identificato quattro parametri chiave che indicano le prestazioni di un team di sviluppo software:

• Frequenza di distribuzione – La frequenza con cui un'organizzazione rilascia con successo in produzione
• Tempi di consegna per le modifiche – La quantità di tempo necessaria per entrare in produzione
• Modifica il tasso di fallimento – La percentuale di distribuzioni che causano un errore nella produzione
• È ora di ripristinare il servizio – Quanto tempo impiega un’organizzazione per riprendersi da un fallimento nella produzione

Questi parametri forniscono un modo quantitativo per misurare l'efficacia e l'efficienza delle pratiche DevOps. Sebbene gran parte dell’attenzione attorno all’analisi di DevOps sia rivolta alle tecnologie distribuite e cloud, il mainframe mantiene comunque una posizione unica e potente e può utilizzare le metriche DORA 4 per promuovere la sua reputazione come motore del commercio.

Questo post del blog illustra le modalità di aggiunta di BMC Software IA generativa di AWS capacità del suo prodotto BMC AMI zAdviser Enterprise. Lo zAdviser utilizza Roccia Amazzonica fornire riepilogo, analisi e raccomandazioni per il miglioramento sulla base dei dati della metrica DORA.

Sfide legate al monitoraggio delle metriche DORA 4

Monitorare le metriche di DORA 4 significa mettere insieme i numeri e posizionarli su una dashboard. Tuttavia, misurare la produttività significa essenzialmente misurare le prestazioni degli individui, il che può farli sentire esaminati. Questa situazione potrebbe richiedere un cambiamento nella cultura organizzativa per concentrarsi sui risultati collettivi ed enfatizzare che gli strumenti di automazione migliorano l’esperienza degli sviluppatori.

È inoltre fondamentale evitare di concentrarsi su parametri irrilevanti o di monitorare eccessivamente i dati. L'essenza delle metriche DORA è quella di distillare le informazioni in un insieme centrale di indicatori chiave di prestazione (KPI) per la valutazione. Il tempo medio di ripristino (MTTR) è spesso il KPI più semplice da monitorare: la maggior parte delle organizzazioni utilizza strumenti come BMC Helix ITSM o altri che registrano eventi e tracciano i problemi.

Catturare il lead time per le modifiche e il tasso di fallimento delle modifiche può essere più impegnativo, soprattutto sui mainframe. Tempi di consegna delle modifiche e tasso di errore delle modifiche I KPI aggregano i dati provenienti da commit del codice, file di registro e risultati dei test automatizzati. L'utilizzo di un SCM basato su Git riunisce queste informazioni senza problemi. I team mainframe che utilizzano la piattaforma DevOps basata su Git di BMC, AMI DevX, possono raccogliere questi dati con la stessa facilità con cui possono farlo i team distribuiti.

Panoramica della soluzione

Amazon Bedrock è un servizio completamente gestito che offre una scelta di Foundation Model (FM) ad alte prestazioni di aziende leader nel settore dell'intelligenza artificiale come AI21 Labs, Anthropic, Cohere, Meta, Stability AI e Amazon tramite un'unica API, insieme a un'ampia serie di le funzionalità necessarie per creare applicazioni di intelligenza artificiale generativa con sicurezza, privacy e intelligenza artificiale responsabile.

BMC AMI zAdviser Enterprise fornisce un'ampia gamma di KPI DevOps per ottimizzare lo sviluppo del mainframe e consentire ai team di identificare e risolvere i problemi in modo proattivo. Utilizzando l'apprendimento automatico, AMI zAdviser monitora la creazione, il test e l'implementazione delle funzioni del mainframe attraverso le catene di strumenti DevOps e quindi offre consigli guidati dall'intelligenza artificiale per il miglioramento continuo. Oltre ad acquisire e creare report sui KPI di sviluppo, zAdviser acquisisce dati su come i prodotti BMC DevX vengono adottati e utilizzati. Ciò include il numero di programmi di cui è stato eseguito il debug, il risultato delle attività di test utilizzando gli strumenti di test DevX e molti altri punti dati. Questi punti dati aggiuntivi possono fornire informazioni più approfondite sui KPI di sviluppo, inclusi i parametri DORA, e potrebbero essere utilizzati in futuri sforzi di intelligenza artificiale generativa con Amazon Bedrock.

Il seguente diagramma dell'architettura mostra l'implementazione finale di zAdviser Enterprise che utilizza l'intelligenza artificiale generativa per fornire riepilogo, analisi e raccomandazioni per il miglioramento in base ai dati KPI delle metriche DORA.

Il flusso di lavoro della soluzione include i seguenti passaggi:

1. Crea la query di aggregazione per recuperare i parametri da Elasticsearch.
2. Estrai i dati delle metriche mainframe archiviate da zAdviser, in cui è ospitato Cloud di calcolo elastico di Amazon (Amazon EC2) e distribuito in AWS.
3. Aggrega i dati recuperati da Elasticsearch e forma il prompt per la chiamata API Amazon Bedrock AI generativa.
4. Passa il prompt dell'intelligenza artificiale generativa ad Amazon Bedrock (utilizzando il modello Claude2 di Anthropic su Amazon Bedrock).
5. Archivia la risposta da Amazon Bedrock (un documento in formato HTML) in Servizio di archiviazione semplice Amazon (Amazon S3).
6. Attivare il processo di posta elettronica KPI tramite AWS Lambda:
   1. L'e-mail in formato HTML viene estratta da Amazon S3 e aggiunta al corpo dell'e-mail.
   2. Il PDF per i KPI del cliente viene estratto da zAdviser e allegato all'e-mail.
   3. L'e-mail viene inviata agli abbonati.

Lo screenshot seguente mostra il riepilogo LLM delle metriche DORA generate utilizzando Amazon Bedrock e inviate tramite e-mail al cliente, con un allegato PDF che contiene il report del dashboard KPI delle metriche DORA di zAdviser.

Principali takeaways

In questa soluzione, non devi preoccuparti che i tuoi dati vengano esposti su Internet quando vengono inviati a un client AI. La chiamata API ad Amazon Bedrock non contiene informazioni di identificazione personale (PII) o dati che potrebbero identificare un cliente. Gli unici dati trasmessi sono costituiti da valori numerici sotto forma di KPI della metrica DORA e istruzioni per le operazioni dell'IA generativa. È importante sottolineare che il client AI generativo non conserva, non apprende da o non memorizza nella cache questi dati.

Il team di ingegneri di zAdviser è riuscito a implementare rapidamente questa funzionalità in un breve lasso di tempo. Il rapido progresso è stato facilitato dal sostanziale investimento di zAdviser nei servizi AWS e, soprattutto, dalla facilità di utilizzo di Amazon Bedrock tramite chiamate API. Ciò sottolinea il potere di trasformazione della tecnologia di intelligenza artificiale generativa incorporata nell’API Amazon Bedrock. Questa API, dotata del repository di conoscenze specifiche del settore zAdviser Enterprise e personalizzata con metriche DevOps specifiche dell'organizzazione raccolte continuamente, dimostra il potenziale dell'intelligenza artificiale in questo campo.

L’intelligenza artificiale generativa ha il potenziale per abbassare la barriera all’ingresso nella creazione di organizzazioni basate sull’intelligenza artificiale. I modelli linguistici di grandi dimensioni (LLM), in particolare, possono apportare un enorme valore alle aziende che cercano di esplorare e utilizzare dati non strutturati. Oltre ai chatbot, gli LLM possono essere utilizzati in una varietà di attività, come la classificazione, la modifica e il riepilogo.

Conclusione

Questo post ha discusso l'impatto trasformazionale della tecnologia AI generativa sotto forma di API Amazon Bedrock dotate delle conoscenze specifiche del settore possedute da BMC zAdviser, personalizzate con metriche DevOps specifiche dell'organizzazione raccolte su base continuativa.

Guarda la Sito web della BMC per saperne di più e impostare una demo.

---

Informazioni sugli autori

Sunil Bemarkar è un Senior Partner Solutions Architect presso Amazon Web Services. Lavora con vari fornitori di software indipendenti (ISV) e clienti strategici in tutti i settori per accelerare il loro percorso di trasformazione digitale e l'adozione del cloud.

Vij Balakrishna è un responsabile dello sviluppo dei partner senior presso Amazon Web Services. Aiuta i fornitori di software indipendenti (ISV) di tutti i settori ad accelerare il loro percorso di trasformazione digitale.

Spencer Hallmann è il Lead Product Manager per BMC AMI zAdviser Enterprise. In precedenza, è stato Product Manager per BMC AMI Strobe e BMC AMI Ops Automation per Batch Thruput. Prima di Product Management, Spencer è stato esperto in materia per le prestazioni del mainframe. La sua diversificata esperienza nel corso degli anni ha incluso anche la programmazione su più piattaforme e linguaggi, oltre al lavoro nel campo della ricerca operativa. Ha conseguito un Master in Amministrazione aziendale con specializzazione in Ricerca operativa presso la Temple University e una laurea in Informatica presso l'Università del Vermont. Vive nel Devon, in Pennsylvania, e quando non partecipa a riunioni virtuali, gli piace portare a spasso i suoi cani, andare in bicicletta e trascorrere del tempo con la sua famiglia.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/