Generatieve data-intelligentie

Bereik volwassenheid in DevOps met BMC AMI zAdviser Enterprise en Amazon Bedrock | Amazon-webservices

Datum:

Bij software-engineering bestaat er een directe correlatie tussen teamprestaties en het bouwen van robuuste, stabiele applicaties. De datagemeenschap streeft ernaar de rigoureuze technische principes die vaak worden gebruikt bij softwareontwikkeling over te nemen in hun eigen praktijken, waaronder een systematische benadering van ontwerp, ontwikkeling, testen en onderhoud. Dit vereist het zorgvuldig combineren van applicaties en statistieken om volledig bewustzijn, nauwkeurigheid en controle te bieden. Het betekent het evalueren van alle aspecten van de prestaties van een team, met de nadruk op continue verbetering, en het is net zo goed van toepassing op mainframe- als op gedistribueerde en cloudomgevingen – misschien nog wel meer.

Dit wordt bereikt door praktijken als infrastructuur als code (IaC) voor implementaties, geautomatiseerd testen, observatie van applicaties en het volledige eigendom van de applicatielevenscyclus. Door jarenlang onderzoek is de DevOps Onderzoek en Evaluatie (DORA) team heeft vier belangrijke maatstaven geïdentificeerd die de prestaties van een softwareontwikkelteam aangeven:

  • inzet frequentie – Hoe vaak een organisatie met succes vrijgeeft voor productie
  • Doorlooptijd voor wijzigingen – De hoeveelheid tijd die het kost om een ​​commit in productie te nemen
  • Wijzig het faalpercentage – Het percentage implementaties dat een productiestoring veroorzaakt
  • Tijd om de service te herstellen – Hoe lang het duurt voordat een organisatie herstelt van een productiestoring

Deze statistieken bieden een kwantitatieve manier om de effectiviteit en efficiëntie van DevOps-praktijken te meten. Hoewel een groot deel van de focus bij de analyse van DevOps ligt op gedistribueerde en cloudtechnologieën, behoudt het mainframe nog steeds een unieke en krachtige positie en kan het de DORA 4-statistieken gebruiken om zijn reputatie als motor van commercie te versterken.

In deze blogpost wordt besproken hoe BMC Software heeft toegevoegd AWS generatieve AI mogelijkheden voor zijn product BMC AMI zAdviser Enterprise. De zAdviser gebruikt Amazonebodem om samenvattingen, analyses en aanbevelingen voor verbetering te bieden op basis van de DORA-metriekgegevens.

Uitdagingen bij het volgen van DORA 4-statistieken

Het bijhouden van DORA 4-statistieken betekent dat u de cijfers samenvoegt en op een dashboard plaatst. Het meten van de productiviteit is echter feitelijk het meten van de prestaties van individuen, waardoor zij zich onder de loep genomen kunnen voelen. Deze situatie kan een verschuiving in de organisatiecultuur noodzakelijk maken om zich te concentreren op collectieve prestaties en te benadrukken dat automatiseringstools de ontwikkelaarservaring verbeteren.

Het is ook essentieel om te voorkomen dat u zich concentreert op irrelevante statistieken of dat u gegevens overmatig bijhoudt. De essentie van DORA-metrieken is om informatie te destilleren in een kernset van Key Performance Indicators (KPI's) voor evaluatie. Mean Time to Restore (MTTR) is vaak de eenvoudigste KPI om bij te houden. De meeste organisaties gebruiken tools zoals BMC Helix ITSM of andere die gebeurtenissen registreren en problemen traceren.

Het vastleggen van de doorlooptijd voor wijzigingen en het aantal mislukte wijzigingen kan een grotere uitdaging zijn, vooral op mainframes. Doorlooptijd voor wijzigingen en foutpercentage van wijzigingen. KPI's verzamelen gegevens uit code-commits, logbestanden en geautomatiseerde testresultaten. Het gebruik van een op Git gebaseerde SCM brengt deze inzichten naadloos samen. Mainframeteams die het Git-gebaseerde DevOps-platform van BMC, AMI DevX, gebruiken, kunnen deze gegevens net zo gemakkelijk verzamelen als gedistribueerde teams.

Overzicht oplossingen

Amazon Bedrock is een volledig beheerde service die via één enkele API een keuze biedt uit goed presterende basismodellen (FM's) van toonaangevende AI-bedrijven zoals AI21 Labs, Anthropic, Cohere, Meta, Stability AI en Amazon, samen met een brede reeks mogelijkheden die u nodig hebt om generatieve AI-toepassingen te bouwen met beveiliging, privacy en verantwoorde AI.

BMC AMI zAdviser Enterprise biedt een breed scala aan DevOps KPI's om de mainframe-ontwikkeling te optimaliseren en teams in staat te stellen problemen proactief te identificeren en op te lossen. Met behulp van machine learning monitort AMI zAdviser functies voor het bouwen, testen en implementeren van mainframes in de DevOps-toolketens en biedt vervolgens AI-gestuurde aanbevelingen voor continue verbetering. Naast het vastleggen en rapporteren over ontwikkelings-KPI's, legt zAdviser ook gegevens vast over hoe de BMC DevX-producten worden toegepast en gebruikt. Dit omvat het aantal programma's waarvoor fouten zijn opgespoord, het resultaat van testinspanningen met behulp van de DevX-testtools en vele andere gegevenspunten. Deze extra datapunten kunnen een dieper inzicht bieden in de ontwikkelings-KPI’s, inclusief de DORA-statistieken, en kunnen worden gebruikt bij toekomstige generatieve AI-inspanningen met Amazon Bedrock.

Het volgende architectuurdiagram toont de uiteindelijke implementatie van zAdviser Enterprise, waarbij gebruik wordt gemaakt van generatieve AI om samenvattingen, analyses en aanbevelingen voor verbetering te bieden op basis van de KPI-gegevens van DORA-metrieken.

Architectuurdiagram

De workflow van de oplossing omvat de volgende stappen:

  1. Maak de aggregatiequery om de statistieken uit Elasticsearch op te halen.
  2. Extraheer de opgeslagen mainframe-metrische gegevens uit zAdviser, die wordt gehost in Amazon Elastic Compute-cloud (Amazon EC2) en ingezet in AWS.
  3. Verzamel de gegevens die zijn opgehaald uit Elasticsearch en vorm de prompt voor de generatieve AI Amazon Bedrock API-aanroep.
  4. Geef de generatieve AI-prompt door aan Amazon Bedrock (met behulp van het Claude2-model van Anthropic op Amazon Bedrock).
  5. Bewaar het antwoord van Amazon Bedrock (een HTML-geformatteerd document) in Amazon eenvoudige opslagservice (Amazone S3).
  6. Activeer het KPI-e-mailproces via AWS Lambda:
    1. De HTML-geformatteerde e-mail wordt uit Amazon S3 gehaald en aan de hoofdtekst van de e-mail toegevoegd.
    2. De PDF voor klant-KPI's wordt uit zAdviser gehaald en bij de e-mail gevoegd.
    3. De e-mail wordt verzonden naar abonnees.

De volgende schermafbeelding toont de LLM-samenvatting van DORA-statistieken gegenereerd met Amazon Bedrock en verzonden als e-mail naar de klant, met een PDF-bijlage die het DORA-statistieken KPI-dashboardrapport van zAdviser bevat.

Samenvatting van resultaten

Key afhaalrestaurants

Bij deze oplossing hoeft u zich geen zorgen te maken dat uw gegevens op internet terechtkomen wanneer ze naar een AI-client worden verzonden. De API-aanroep naar Amazon Bedrock bevat geen persoonlijk identificeerbare informatie (PII) of gegevens die een klant zouden kunnen identificeren. De enige verzonden gegevens bestaan ​​uit numerieke waarden in de vorm van de DORA-metrische KPI's en instructies voor de activiteiten van de generatieve AI. Belangrijk is dat de generatieve AI-client deze gegevens niet bewaart, ervan leert of in de cache opslaat.

Het technische team van zAdviser is erin geslaagd deze functie binnen korte tijd snel te implementeren. De snelle vooruitgang werd mogelijk gemaakt door de aanzienlijke investeringen van zAdviser in AWS-diensten en, belangrijker nog, het gemak van het gebruik van Amazon Bedrock via API-aanroepen. Dit onderstreept de transformerende kracht van generatieve AI-technologie, belichaamd in de Amazon Bedrock API. Deze API, uitgerust met de branchespecifieke kennisrepository zAdviser Enterprise en aangepast met continu verzamelde organisatiespecifieke DevOps-statistieken, demonstreert het potentieel van AI op dit gebied.

Generatieve AI heeft het potentieel om de toetredingsdrempel te verlagen om AI-gedreven organisaties op te bouwen. Vooral grote taalmodellen (LLM's) kunnen van enorme waarde zijn voor ondernemingen die ongestructureerde gegevens willen verkennen en gebruiken. Naast chatbots kunnen LLM's worden gebruikt voor een verscheidenheid aan taken, zoals classificatie, bewerken en samenvatten.

Conclusie

In dit bericht werd de transformationele impact van generatieve AI-technologie besproken in de vorm van Amazon Bedrock API’s uitgerust met de branchespecifieke kennis waarover BMC zAdviser beschikt, afgestemd op organisatiespecifieke DevOps-statistieken die voortdurend worden verzameld.

Check out de BMC-website voor meer informatie en het opzetten van een demo.


Over de auteurs

Sunil BemarkarSunil Bemarkar is een Sr. Partner Solutions Architect bij Amazon Web Services. Hij werkt samen met verschillende Independent Software Vendors (ISV's) en strategische klanten in verschillende sectoren om hun digitale transformatietraject en cloudadoptie te versnellen.

Vij BalakrishnaVij Balakrishna is Senior Partner Development-manager bij Amazon Web Services. Ze helpt onafhankelijke softwareleveranciers (ISV's) in verschillende sectoren om hun digitale transformatie te versnellen.

Spencer Halman is de hoofdproductmanager voor de BMC AMI zAdviser Enterprise. Voorheen was hij productmanager voor BMC AMI Strobe en BMC AMI Ops Automation voor Batch Thruput. Voordat hij bij Product Management kwam, was Spencer de expert op het gebied van mainframeprestaties. Zijn uiteenlopende ervaring door de jaren heen omvatte ook het programmeren op meerdere platforms en talen, evenals het werken op het gebied van Operations Research. Hij heeft een Master of Business Administration met een concentratie in Operations Research van Temple University en een Bachelor of Science in Computer Science van de Universiteit van Vermont. Hij woont in Devon, PA en als hij geen virtuele vergaderingen bijwoont, wandelt hij graag met zijn honden, fietst hij en brengt hij tijd door met zijn gezin.

spot_img

Laatste intelligentie

spot_img

Chat met ons

Hallo daar! Hoe kan ik u helpen?