នៅក្នុងផ្នែកវិស្វកម្មសូហ្វវែរ មានទំនាក់ទំនងផ្ទាល់រវាងការអនុវត្តក្រុម និងការកសាងកម្មវិធីដ៏រឹងមាំ និងមានស្ថេរភាព។ សហគមន៍ទិន្នន័យមានគោលបំណងទទួលយកគោលការណ៍វិស្វកម្មយ៉ាងម៉ត់ចត់ដែលត្រូវបានប្រើប្រាស់ជាទូទៅក្នុងការអភិវឌ្ឍន៍កម្មវិធីទៅក្នុងការអនុវត្តផ្ទាល់របស់ពួកគេ ដែលរួមមានវិធីសាស្រ្តជាប្រព័ន្ធក្នុងការរចនា ការអភិវឌ្ឍន៍ ការធ្វើតេស្ត និងការថែទាំ។ នេះតម្រូវឱ្យមានការរួមបញ្ចូលកម្មវិធី និងម៉ែត្រដោយប្រុងប្រយ័ត្ន ដើម្បីផ្តល់នូវការយល់ដឹងពេញលេញ ភាពត្រឹមត្រូវ និងការគ្រប់គ្រង។ វាមានន័យថាការវាយតម្លៃគ្រប់ទិដ្ឋភាពនៃការអនុវត្តរបស់ក្រុម ដោយផ្តោតលើការកែលម្អជាបន្តបន្ទាប់ ហើយវាអនុវត្តបានច្រើនចំពោះ mainframe ដូចដែលវាធ្វើចំពោះបរិស្ថានដែលបានចែកចាយ និងពពក — ប្រហែលជាច្រើនទៀត។
នេះត្រូវបានសម្រេចតាមរយៈការអនុវត្តដូចជា ហេដ្ឋារចនាសម្ព័ន្ធជាកូដ (IaC) សម្រាប់ការដាក់ពង្រាយ ការធ្វើតេស្តស្វ័យប្រវត្តិ លទ្ធភាពនៃការសង្កេតកម្មវិធី និងភាពជាម្ចាស់នៃវដ្តជីវិតកម្មវិធីពេញលេញ។ តាមរយៈការស្រាវជ្រាវជាច្រើនឆ្នាំ អេ ការស្រាវជ្រាវ និងការវាយតម្លៃ DevOps (DORA) ក្រុមបានកំណត់រង្វាស់គន្លឹះចំនួនបួនដែលបង្ហាញពីការអនុវត្តរបស់ក្រុមអភិវឌ្ឍន៍កម្មវិធី៖
- ភាពញឹកញាប់នៃការដាក់ពង្រាយ - តើញឹកញាប់ប៉ុណ្ណាដែលអង្គភាពមួយទទួលបានជោគជ័យក្នុងការផលិត
- ពេលវេលានាំមុខសម្រាប់ការផ្លាស់ប្តូរ - រយៈពេលដែលវាត្រូវការការប្តេជ្ញាចិត្តដើម្បីចូលផលិតកម្ម
- ផ្លាស់ប្តូរអត្រាបរាជ័យ - ភាគរយនៃការដាក់ពង្រាយដែលបណ្តាលឱ្យបរាជ័យក្នុងផលិតកម្ម
- ពេលវេលាដើម្បីស្តារសេវាកម្មឡើងវិញ - តើអង្គការត្រូវការពេលប៉ុន្មានដើម្បីងើបឡើងវិញពីការបរាជ័យក្នុងផលិតកម្ម
ម៉ែត្រទាំងនេះផ្តល់នូវវិធីបរិមាណដើម្បីវាស់ស្ទង់ប្រសិទ្ធភាព និងប្រសិទ្ធភាពនៃការអនុវត្ត DevOps ។ ទោះបីជាការផ្តោតអារម្មណ៍ជាច្រើនជុំវិញការវិភាគរបស់ DevOps គឺទៅលើបច្ចេកវិទ្យាចែកចាយ និងពពកក៏ដោយ ក៏ mainframe នៅតែរក្សាបាននូវទីតាំងតែមួយគត់ និងដ៏មានឥទ្ធិពល ហើយវាអាចប្រើប្រាស់ DORA 4 metrics ដើម្បីបន្តកេរ្តិ៍ឈ្មោះរបស់ខ្លួនជាម៉ាស៊ីនពាណិជ្ជកម្ម។
ការបង្ហោះប្លក់នេះពិភាក្សាអំពីរបៀបដែលកម្មវិធី BMC បានបន្ថែម AWS បង្កើត AI សមត្ថភាពផលិតផលរបស់វា។ សហគ្រាស BMC AMI zAdviser. zAdviser ប្រើ ក្រុមហ៊ុន Amazon Bedrock ដើម្បីផ្តល់នូវការសង្ខេប ការវិភាគ និងអនុសាសន៍សម្រាប់ការកែលម្អដោយផ្អែកលើទិន្នន័យម៉ែត្ររបស់ DORA ។
បញ្ហាប្រឈមនៃការតាមដាន DORA 4 ម៉ែត្រ
ការតាមដានម៉ែត្រ DORA 4 មានន័យថាដាក់លេខជាមួយគ្នា ហើយដាក់វានៅលើផ្ទាំងគ្រប់គ្រង។ ទោះជាយ៉ាងណាក៏ដោយ ការវាស់ស្ទង់ផលិតភាពគឺចាំបាច់ណាស់ក្នុងការវាស់ស្ទង់សមត្ថភាពរបស់បុគ្គលម្នាក់ៗ ដែលអាចធ្វើឱ្យពួកគេមានអារម្មណ៍ត្រួតពិនិត្យ។ ស្ថានភាពនេះប្រហែលជាត្រូវការការផ្លាស់ប្តូរនៅក្នុងវប្បធម៌របស់អង្គការដើម្បីផ្តោតលើសមិទ្ធផលរួម និងសង្កត់ធ្ងន់ថាឧបករណ៍ស្វ័យប្រវត្តិកម្មបង្កើនបទពិសោធន៍របស់អ្នកអភិវឌ្ឍន៍។
វាក៏សំខាន់ផងដែរក្នុងការជៀសវាងការផ្តោតលើម៉ែត្រដែលមិនពាក់ព័ន្ធ ឬតាមដានទិន្នន័យហួសហេតុ។ ខ្លឹមសារនៃរង្វាស់ DORA គឺដើម្បីចម្រាញ់ព័ត៌មានចូលទៅក្នុងសំណុំស្នូលនៃសូចនាករការអនុវត្តសំខាន់ៗ (KPIs) សម្រាប់ការវាយតម្លៃ។ ពេលវេលាមធ្យមដើម្បីស្តារ (MTTR) ជារឿយៗជា KPI ដ៏សាមញ្ញបំផុតក្នុងការតាមដាន—ស្ថាប័នភាគច្រើនប្រើឧបករណ៍ដូចជា BMC Helix ITSM ឬផ្សេងទៀតដែលកត់ត្រាព្រឹត្តិការណ៍ និងការចេញការតាមដាន។
ការចាប់យកពេលវេលានាំមុខសម្រាប់ការផ្លាស់ប្តូរ និងអត្រាបរាជ័យនៃការផ្លាស់ប្តូរអាចជាបញ្ហាប្រឈមកាន់តែច្រើន ជាពិសេសនៅលើ mainframes ។ ពេលវេលានាំមុខសម្រាប់ការផ្លាស់ប្តូរ និងការផ្លាស់ប្តូរអត្រាបរាជ័យ KPIs សរុបទិន្នន័យពីការបញ្ចូលកូដ ឯកសារកំណត់ហេតុ និងលទ្ធផលតេស្តស្វ័យប្រវត្តិ។ ការប្រើប្រាស់ SCM ដែលមានមូលដ្ឋានលើ Git ទាញការយល់ដឹងទាំងនេះរួមគ្នាយ៉ាងរលូន។ ក្រុម Mainframe ដែលប្រើប្រាស់វេទិកា DevOps ដែលមានមូលដ្ឋានលើ Git របស់ BMC គឺ AMI DevX អាចប្រមូលទិន្នន័យនេះបានយ៉ាងងាយស្រួលតាមដែលក្រុមចែកចាយអាចធ្វើបាន។
ទិដ្ឋភាពទូទៅនៃដំណោះស្រាយ
Amazon Bedrock គឺជាសេវាកម្មគ្រប់គ្រងពេញលេញដែលផ្តល់នូវជម្រើសនៃគំរូគ្រឹះដែលដំណើរការខ្ពស់ (FMs) ពីក្រុមហ៊ុន AI ឈានមុខគេដូចជា AI21 Labs, Anthropic, Cohere, Meta, Stability AI និង Amazon តាមរយៈ API តែមួយ រួមជាមួយនឹងសំណុំទូលំទូលាយនៃ សមត្ថភាពដែលអ្នកត្រូវការដើម្បីបង្កើតកម្មវិធី AI ជំនាន់ថ្មីជាមួយនឹងសុវត្ថិភាព ឯកជនភាព និង AI ដែលទទួលខុសត្រូវ។
BMC AMI zAdviser Enterprise ផ្តល់នូវ DevOps KPIs ជាច្រើន ដើម្បីបង្កើនប្រសិទ្ធភាពនៃការអភិវឌ្ឍន៍ mainframe និងអនុញ្ញាតឱ្យក្រុមកំណត់អត្តសញ្ញាណ និងដោះស្រាយបញ្ហាយ៉ាងសកម្ម។ ដោយប្រើការរៀនម៉ាស៊ីន AMI zAdviser ត្រួតពិនិត្យការស្ថាបនា mainframe សាកល្បង និងដាក់ឱ្យប្រើប្រាស់មុខងារនៅទូទាំងបណ្តាញឧបករណ៍ DevOps ហើយបន្ទាប់មកផ្តល់នូវការណែនាំដែលដឹកនាំដោយ AI សម្រាប់ការកែលម្អជាបន្តបន្ទាប់។ បន្ថែមពីលើការចាប់យក និងរាយការណ៍អំពីការអភិវឌ្ឍន៍ KPIs zAdviser ចាប់យកទិន្នន័យអំពីរបៀបដែលផលិតផល BMC DevX ត្រូវបានអនុម័ត និងប្រើប្រាស់។ នេះរាប់បញ្ចូលទាំងចំនួនកម្មវិធីដែលត្រូវបានបំបាត់កំហុស លទ្ធផលនៃការធ្វើតេស្តដោយប្រើឧបករណ៍សាកល្បង DevX និងចំណុចទិន្នន័យជាច្រើនទៀត។ ចំណុចទិន្នន័យបន្ថែមទាំងនេះអាចផ្តល់នូវការយល់ដឹងកាន់តែស៊ីជម្រៅទៅលើ KPIs នៃការអភិវឌ្ឍន៍ រួមទាំងរង្វាស់ DORA ហើយអាចនឹងត្រូវបានប្រើប្រាស់នៅក្នុងការខិតខំប្រឹងប្រែង AI ជំនាន់អនាគតជាមួយ Amazon Bedrock ។
ដ្យាក្រាមស្ថាបត្យកម្មខាងក្រោមបង្ហាញពីការអនុវត្តចុងក្រោយនៃសហគ្រាស zAdviser ដោយប្រើ AI ជំនាន់ថ្មី ដើម្បីផ្តល់នូវការសង្ខេប ការវិភាគ និងការណែនាំសម្រាប់ការកែលម្អដោយផ្អែកលើទិន្នន័យ KPI របស់ DORA ម៉ែត្រ។
ដំណើរការដំណោះស្រាយរួមមានជំហានដូចខាងក្រោមៈ
- បង្កើតសំណួរប្រមូលផ្តុំដើម្បីទាញយកម៉ែត្រពី Elasticsearch ។
- ស្រង់ទិន្នន័យម៉ែត្រមេហ្វ្រេមដែលបានរក្សាទុកពី zAdviser ដែលបង្ហោះក្នុង ក្រុមហ៊ុនអេលហ្សិកអេលហ្វីលីពក្លោត (Amazon EC2) និងដាក់ពង្រាយក្នុង AWS ។
- ប្រមូលផ្តុំទិន្នន័យដែលបានទាញយកពី Elasticsearch ហើយបង្កើតជាប្រអប់បញ្ចូលសម្រាប់ការហៅទូរសព្ទ AI Amazon Bedrock API ។
- បញ្ជូនសារជម្រុញ AI ទូទៅទៅ Amazon Bedrock (ដោយប្រើគំរូ Claude2 របស់ Anthropic នៅលើ Amazon Bedrock) ។
- រក្សាទុកការឆ្លើយតបពី Amazon Bedrock (ឯកសារដែលមានទម្រង់ HTML) នៅក្នុង សេវាកម្មផ្ទុកសាមញ្ញរបស់ក្រុមហ៊ុន Amazon (ក្រុមហ៊ុន Amazon S3) ។
- ចាប់ផ្តើមដំណើរការអ៊ីមែល KPI តាមរយៈ AWS Lambda:
- អ៊ីមែលដែលមានទម្រង់ HTML ត្រូវបានស្រង់ចេញពី Amazon S3 ហើយបន្ថែមទៅតួនៃអ៊ីមែល។
- PDF សម្រាប់ KPIs របស់អតិថិជនត្រូវបានស្រង់ចេញពី zAdviser ហើយភ្ជាប់ទៅអ៊ីមែល។
- អ៊ីមែលត្រូវបានផ្ញើទៅអ្នកជាវ។
រូបថតអេក្រង់ខាងក្រោមបង្ហាញពីការសង្ខេប LLM នៃម៉ែត្រ DORA ដែលបង្កើតដោយប្រើ Amazon Bedrock ហើយផ្ញើជាអ៊ីមែលទៅអតិថិជន ដោយមានឯកសារភ្ជាប់ជា PDF ដែលមានរបាយការណ៍ផ្ទាំងគ្រប់គ្រង KPI ម៉ែត្រ DORA ដោយ zAdviser ។
ការចំណាយដ៏សំខាន់។
នៅក្នុងដំណោះស្រាយនេះ អ្នកមិនចាំបាច់ព្រួយបារម្ភអំពីទិន្នន័យរបស់អ្នកត្រូវបានលាតត្រដាងនៅលើអ៊ីនធឺណិត នៅពេលផ្ញើទៅកាន់ម៉ាស៊ីនភ្ញៀវ AI នោះទេ។ ការហៅ API ទៅកាន់ Amazon Bedrock មិនមានព័ត៌មានដែលអាចកំណត់អត្តសញ្ញាណផ្ទាល់ខ្លួនណាមួយ (PII) ឬទិន្នន័យណាមួយដែលអាចកំណត់អត្តសញ្ញាណអតិថិជនបានទេ។ ទិន្នន័យតែមួយគត់ដែលបានបញ្ជូនមានតម្លៃជាលេខនៅក្នុងទម្រង់នៃ DORA ម៉ែត្រ KPIs និងការណែនាំសម្រាប់ប្រតិបត្តិការរបស់ AI ជំនាន់។ សំខាន់ ម៉ាស៊ីនភ្ញៀវ AI ជំនាន់ថ្មីមិនរក្សាទុក រៀន ឬរក្សាទុកទិន្នន័យនេះទេ។
ក្រុមវិស្វករ zAdviser ទទួលបានជោគជ័យក្នុងការអនុវត្តមុខងារនេះយ៉ាងឆាប់រហ័សក្នុងរយៈពេលដ៏ខ្លី។ ការរីកចម្រើនយ៉ាងឆាប់រហ័សត្រូវបានសម្របសម្រួលដោយការវិនិយោគយ៉ាងច្រើនរបស់ zAdviser នៅក្នុងសេវាកម្ម AWS ហើយសំខាន់គឺភាពងាយស្រួលនៃការប្រើប្រាស់ Amazon Bedrock តាមរយៈការហៅ API ។ នេះគូសបញ្ជាក់អំពីថាមពលបំប្លែងនៃបច្ចេកវិទ្យា AI បង្កើតនៅក្នុង Amazon Bedrock API។ API នេះដែលបំពាក់ដោយឃ្លាំងចំណេះដឹងជាក់លាក់ក្នុងឧស្សាហកម្ម zAdviser Enterprise និងប្ដូរតាមបំណងជាមួយនឹងរង្វាស់ DevOps ជាក់លាក់របស់ស្ថាប័នដែលប្រមូលបានជាបន្តបន្ទាប់ បង្ហាញពីសក្តានុពលនៃ AI នៅក្នុងវិស័យនេះ។
Generative AI មានសក្ដានុពលក្នុងការកាត់បន្ថយឧបសគ្គក្នុងការចូល ដើម្បីបង្កើតអង្គការដែលជំរុញដោយ AI ។ ជាពិសេស គំរូភាសាធំៗ (LLMs) អាចនាំមកនូវតម្លៃដ៏ធំធេងដល់សហគ្រាសដែលកំពុងស្វែងរក និងប្រើប្រាស់ទិន្នន័យដែលគ្មានរចនាសម្ព័ន្ធ។ លើសពី chatbots, LLMs អាចត្រូវបានប្រើក្នុងកិច្ចការជាច្រើនដូចជាការចាត់ថ្នាក់ ការកែសម្រួល និងការសង្ខេប។
សន្និដ្ឋាន
ការបង្ហោះនេះបានពិភាក្សាអំពីផលប៉ះពាល់នៃការបំប្លែងនៃបច្ចេកវិទ្យា AI បង្កើតជាទម្រង់ Amazon Bedrock APIs បំពាក់ដោយចំណេះដឹងជាក់លាក់ក្នុងឧស្សាហកម្មដែល BMC zAdviser មាន តម្រូវតាមរង្វាស់ DevOps ជាក់លាក់របស់ស្ថាប័នដែលប្រមូលបាននៅលើមូលដ្ឋានបន្ត។
ពិនិត្យចេញ គេហទំព័រ BMC ដើម្បីស្វែងយល់បន្ថែម និងរៀបចំការសាកល្បង។
អំពីនិពន្ធនេះ
Sunil Bemarkar គឺជាស្ថាបត្យករដំណោះស្រាយដៃគូ Sr. នៅ Amazon Web Services ។ គាត់ធ្វើការជាមួយអ្នកលក់កម្មវិធីឯករាជ្យផ្សេងៗ (ISVs) និងអតិថិជនយុទ្ធសាស្ត្រនៅទូទាំងឧស្សាហកម្ម ដើម្បីពន្លឿនដំណើរផ្លាស់ប្តូរឌីជីថលរបស់ពួកគេ និងការទទួលយកពពក។
Vij Balakrishna គឺជាអ្នកគ្រប់គ្រងផ្នែកអភិវឌ្ឍន៍ដៃគូជាន់ខ្ពស់នៅ Amazon Web Services ។ នាងជួយអ្នកលក់កម្មវិធីឯករាជ្យ (ISVs) នៅទូទាំងឧស្សាហកម្មនានា ដើម្បីពន្លឿនដំណើរផ្លាស់ប្តូរឌីជីថលរបស់ពួកគេ។
ស្ពែនស៊ឺ ហាលមែន គឺជាអ្នកគ្រប់គ្រងផលិតផលនាំមុខសម្រាប់ BMC AMI zAdviser Enterprise ។ ពីមុនគាត់គឺជាអ្នកគ្រប់គ្រងផលិតផលសម្រាប់ BMC AMI Strobe និង BMC AMI Ops Automation សម្រាប់ Batch Thruput ។ មុននឹងការគ្រប់គ្រងផលិតផល ស្ពែនស៊ើរគឺជាអ្នកជំនាញខាងប្រធានបទសម្រាប់ការអនុវត្ត Mainframe ។ បទពិសោធន៍ចម្រុះរបស់គាត់ក្នុងរយៈពេលជាច្រើនឆ្នាំបានរួមបញ្ចូលផងដែរនូវការសរសេរកម្មវិធីនៅលើវេទិកា និងភាសាជាច្រើន ក៏ដូចជាការធ្វើការនៅក្នុងផ្នែកស្រាវជ្រាវប្រតិបត្តិការ។ គាត់មានអនុបណ្ឌិតផ្នែកគ្រប់គ្រងធុរកិច្ចជាមួយនឹងការផ្តោតអារម្មណ៍ក្នុងការស្រាវជ្រាវប្រតិបត្តិការពីសាកលវិទ្យាល័យ Temple និងបរិញ្ញាបត្រវិទ្យាសាស្ត្រកុំព្យូទ័រពីសាកលវិទ្យាល័យ Vermont ។ គាត់រស់នៅក្នុង Devon, PA ហើយនៅពេលដែលគាត់មិនចូលរួមការប្រជុំនិម្មិត ចូលចិត្តដើរឆ្កែរបស់គាត់ ជិះកង់ និងចំណាយពេលជាមួយគ្រួសាររបស់គាត់។
- SEO ដែលដំណើរការដោយមាតិកា និងការចែកចាយ PR ។ ទទួលបានការពង្រីកថ្ងៃនេះ។
- PlatoData.Network Vertical Generative Ai. ផ្តល់អំណាចដល់ខ្លួនអ្នក។ ចូលប្រើទីនេះ។
- PlatoAiStream Web3 Intelligence ។ ចំណេះដឹងត្រូវបានពង្រីក។ ចូលប្រើទីនេះ។
- ផ្លាតូអេសជី។ កាបូន CleanTech, ថាមពល, បរិស្ថាន, ពន្លឺព្រះអាទិត្យ ការគ្រប់គ្រងកាកសំណល់។ ចូលប្រើទីនេះ។
- ផ្លាតូសុខភាព។ ជីវបច្ចេកវិទ្យា និង ភាពវៃឆ្លាត សាកល្បងគ្លីនិក។ ចូលប្រើទីនេះ។
- ប្រភព: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/
