W inżynierii oprogramowania istnieje bezpośrednia korelacja między wydajnością zespołu a tworzeniem solidnych i stabilnych aplikacji. Społeczność danych ma na celu przyjęcie rygorystycznych zasad inżynieryjnych powszechnie stosowanych przy tworzeniu oprogramowania do swoich własnych praktyk, które obejmują systematyczne podejścia do projektowania, rozwoju, testowania i konserwacji. Wymaga to starannego łączenia aplikacji i wskaźników, aby zapewnić pełną świadomość, dokładność i kontrolę. Oznacza to ocenę wszystkich aspektów wydajności zespołu, z naciskiem na ciągłe doskonalenie, i dotyczy to w równym stopniu komputerów mainframe, jak i środowisk rozproszonych i chmurowych — a może nawet więcej.

Osiąga się to poprzez praktyki takie jak infrastruktura jako kod (IaC) do wdrożeń, automatyczne testowanie, obserwowalność aplikacji i pełna własność cyklu życia aplikacji. Dzięki wieloletnim badaniom, Badania i ocena DevOps (DORA) zespół zidentyfikował cztery kluczowe wskaźniki wskazujące wydajność zespołu programistów:

• Częstotliwość wdrażania – Jak często organizacja pomyślnie wprowadza produkty do produkcji
• Czas realizacji zmian – Ilość czasu potrzebna do wprowadzenia zatwierdzenia do produkcji
• Zmień wskaźnik awaryjności – Procent wdrożeń powodujących awarię na produkcji
• Czas przywrócić usługę – Ile czasu zajmuje organizacji powrót do zdrowia po awarii produkcyjnej

Metryki te zapewniają ilościowy sposób pomiaru skuteczności i wydajności praktyk DevOps. Chociaż analiza DevOps skupia się głównie na technologiach rozproszonych i chmurowych, komputer mainframe nadal utrzymuje wyjątkową i potężną pozycję i może wykorzystywać wskaźniki DORA 4 do wzmacniania swojej reputacji jako siły napędowej handlu.

W tym poście na blogu omówiono sposób dodania oprogramowania BMC Software Generacyjna sztuczna inteligencja AWS możliwości swojego produktu BMC AMI zAdviser Enterprise. ZAdviser używa Amazońska skała macierzysta w celu zapewnienia podsumowań, analiz i zaleceń dotyczących ulepszeń w oparciu o dane metryczne DORA.

Wyzwania związane ze śledzeniem wskaźników DORA 4

Śledzenie wskaźników DORA 4 oznacza zestawienie liczb i umieszczenie ich na desce rozdzielczej. Jednak pomiar produktywności zasadniczo polega na mierzeniu wydajności poszczególnych osób, co może sprawić, że poczują się one poddane analizie. Sytuacja ta może wymagać zmiany kultury organizacyjnej, aby skupić się na zbiorowych osiągnięciach i podkreślić, że narzędzia automatyzujące poprawiają doświadczenia programistów.

Ważne jest również, aby unikać skupiania się na nieistotnych wskaźnikach lub nadmiernym śledzeniu danych. Istotą wskaźników DORA jest destylacja informacji w podstawowy zestaw kluczowych wskaźników wydajności (KPI) w celu oceny. Średni czas przywracania (MTTR) to często najprostszy do śledzenia KPI — większość organizacji korzysta z narzędzi takich jak BMC Helix ITSM lub innych, które rejestrują zdarzenia i śledzą problemy.

Rejestrowanie czasu realizacji zmian i wskaźnika niepowodzeń zmian może być większym wyzwaniem, szczególnie na komputerach mainframe. Czas realizacji zmian i wskaźnik niepowodzeń zmian KPI agregują dane z zatwierdzeń kodu, plików dziennika i wyników testów automatycznych. Korzystanie z SCM opartego na Git płynnie łączy te spostrzeżenia. Zespoły na komputerach mainframe korzystające z platformy DevOps opartej na Git firmy BMC, AMI DevX, mogą gromadzić te dane tak łatwo, jak zespoły rozproszone.

Omówienie rozwiązania

Amazon Bedrock to w pełni zarządzana usługa oferująca wybór wysokowydajnych modeli podstawowych (FM) od wiodących firm zajmujących się sztuczną inteligencją, takich jak AI21 Labs, Anthropic, Cohere, Meta, Stability AI i Amazon za pośrednictwem jednego interfejsu API, wraz z szerokim zestawem możliwości potrzebne do tworzenia generatywnych aplikacji AI zapewniających bezpieczeństwo, prywatność i odpowiedzialną sztuczną inteligencję.

BMC AMI zAdviser Enterprise zapewnia szeroką gamę wskaźników KPI DevOps w celu optymalizacji rozwoju komputerów mainframe i umożliwienia zespołom proaktywnej identyfikacji i rozwiązywania problemów. Wykorzystując uczenie maszynowe, AMI zAdviser monitoruje kompilację komputerów mainframe, testuje i wdraża funkcje w łańcuchach narzędzi DevOps, a następnie oferuje rekomendacje oparte na sztucznej inteligencji dotyczące ciągłego doskonalenia. Oprócz przechwytywania i raportowania wskaźników KPI w zakresie rozwoju, zAdviser rejestruje dane dotyczące sposobu wdrażania i używania produktów BMC DevX. Obejmuje to liczbę debugowanych programów, wynik testów przy użyciu narzędzi testowych DevX i wiele innych punktów danych. Te dodatkowe punkty danych mogą zapewnić głębszy wgląd w kluczowe wskaźniki efektywności rozwoju, w tym wskaźniki DORA, i mogą zostać wykorzystane w przyszłych wysiłkach na rzecz generowania sztucznej inteligencji w Amazon Bedrock.

Poniższy diagram architektury przedstawia ostateczną implementację zAdviser Enterprise wykorzystującą generatywną sztuczną inteligencję w celu zapewnienia podsumowań, analiz i zaleceń dotyczących ulepszeń w oparciu o dane KPI metryki DORA.

Przepływ pracy rozwiązania obejmuje następujące kroki:

1. Utwórz zapytanie agregujące, aby pobrać metryki z Elasticsearch.
2. Wyodrębnij zapisane dane metryk komputera mainframe z programu zAdviser, który jest hostowany w Elastyczna chmura obliczeniowa Amazon (Amazon EC2) i wdrożony w AWS.
3. Agreguj dane pobrane z Elasticsearch i utwórz monit o generatywne wywołanie API Amazon Bedrock AI.
4. Przekaż generatywną zachętę AI do Amazon Bedrock (używając modelu Claude2 firmy Anthropic na Amazon Bedrock).
5. Zapisz odpowiedź z Amazon Bedrock (dokument w formacie HTML) w Usługa Amazon Simple Storage (Amazonka S3).
6. Uruchom proces e-maili KPI poprzez AWS Lambda:
   1. Wiadomość e-mail w formacie HTML jest pobierana z usługi Amazon S3 i dodawana do treści wiadomości e-mail.
   2. Plik PDF zawierający KPI klientów jest pobierany z zAdviser i dołączany do wiadomości e-mail.
   3. Wiadomość e-mail jest wysyłana do subskrybentów.

Poniższy zrzut ekranu przedstawia podsumowanie LLM wskaźników DORA wygenerowanych za pomocą Amazon Bedrock i przesłane jako wiadomość e-mail do klienta wraz z załącznikiem w formacie PDF zawierającym raport panelu KPI wskaźników DORA autorstwa zAdviser.

Kluczowe dania na wynos

Dzięki temu rozwiązaniu nie musisz się martwić, że Twoje dane zostaną ujawnione w Internecie, gdy zostaną przesłane do klienta AI. Wywołanie API do Amazon Bedrock nie zawiera żadnych danych osobowych (PII) ani żadnych danych, które mogłyby zidentyfikować klienta. Jedyne przesyłane dane składają się z wartości liczbowych w postaci wskaźników KPI metrycznych DORA oraz instrukcji dotyczących działań generatywnej sztucznej inteligencji. Co ważne, klient generatywnej sztucznej inteligencji nie przechowuje tych danych, nie uczy się z nich ani nie buforuje ich w pamięci podręcznej.

Zespołowi inżynierów zAdviser udało się szybko wdrożyć tę funkcję w krótkim czasie. Szybki postęp był możliwy dzięki znacznym inwestycjom firmy zAdviser w usługi AWS i, co ważne, łatwości korzystania z Amazon Bedrock poprzez wywołania API. Podkreśla to transformacyjną moc technologii generatywnej sztucznej inteligencji zawartej w interfejsie API Amazon Bedrock. Ten interfejs API, wyposażony w repozytorium wiedzy branżowej zAdviser Enterprise i dostosowywany za pomocą stale zbieranych wskaźników DevOps specyficznych dla organizacji, demonstruje potencjał sztucznej inteligencji w tej dziedzinie.

Generatywna sztuczna inteligencja może obniżyć barierę wejścia na rynek w celu budowania organizacji opartych na sztucznej inteligencji. Szczególnie duże modele językowe (LLM) mogą wnieść ogromną wartość dla przedsiębiorstw chcących eksplorować i wykorzystywać nieustrukturyzowane dane. Oprócz chatbotów LLM można wykorzystywać do różnych zadań, takich jak klasyfikacja, edycja i podsumowywanie.

Wnioski

W tym poście omówiono transformacyjny wpływ technologii generatywnej sztucznej inteligencji w postaci interfejsów API Amazon Bedrock wyposażonych w wiedzę branżową, którą posiada BMC zAdviser, dostosowaną do zbieranych na bieżąco wskaźników DevOps specyficznych dla organizacji.

Zapoznaj się z Strona internetowa BMC aby dowiedzieć się więcej i skonfigurować wersję demonstracyjną.

---

O autorach

Sunila Bemarkara jest starszym architektem rozwiązań partnerskich w Amazon Web Services. Współpracuje z różnymi niezależnymi dostawcami oprogramowania (ISV) i klientami strategicznymi z różnych branż, aby przyspieszyć ich transformację cyfrową i przyjęcie chmury.

Vij Balakriszna jest starszym menedżerem ds. rozwoju partnerów w Amazon Web Services. Pomaga niezależnym dostawcom oprogramowania (ISV) z różnych branż przyspieszyć ich transformację cyfrową.

Spencera Hallmana jest głównym menedżerem produktu w BMC AMI zAdviser Enterprise. Wcześniej był menedżerem produktu w BMC AMI Strobe i BMC AMI Ops Automation for Batch Thruput. Przed zarządzaniem produktem Spencer był ekspertem merytorycznym ds. wydajności komputerów mainframe. Jego różnorodne doświadczenie na przestrzeni lat obejmowało także programowanie na wielu platformach i językach, a także pracę w obszarze badań operacyjnych. Posiada tytuł magistra administracji biznesowej ze specjalizacją w badaniach operacyjnych uzyskany na Uniwersytecie Temple oraz tytuł licencjata w dziedzinie informatyki uzyskany na Uniwersytecie w Vermont. Mieszka w Devon w Pensylwanii i kiedy nie uczestniczy w wirtualnych spotkaniach, lubi spacerować z psami, jeździć na rowerze i spędzać czas z rodziną.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/