Yazılım mühendisliğinde ekip performansı ile sağlam, kararlı uygulamalar oluşturma arasında doğrudan bir ilişki vardır. Veri topluluğu, yazılım geliştirmede yaygın olarak kullanılan sıkı mühendislik ilkelerini, tasarım, geliştirme, test ve bakıma yönelik sistematik yaklaşımları içeren kendi uygulamalarına uyarlamayı amaçlamaktadır. Bu, tam farkındalık, doğruluk ve kontrol sağlamak için uygulamaların ve ölçümlerin dikkatli bir şekilde birleştirilmesini gerektirir. Bu, sürekli iyileştirmeye odaklanarak bir ekibin performansının tüm yönlerinin değerlendirilmesi anlamına gelir ve dağıtılmış ve bulut ortamları için olduğu kadar ana bilgisayar için de geçerlidir, belki daha da fazlası.

Bu, dağıtımlar için kod olarak altyapı (IaC), otomatik testler, uygulama gözlemlenebilirliği ve tam uygulama yaşam döngüsü sahipliği gibi uygulamalarla gerçekleştirilir. Yıllar süren araştırmalar sonucunda DevOps Araştırma ve Değerlendirme (DORA) ekibi, bir yazılım geliştirme ekibinin performansını gösteren dört temel ölçüm belirledi:

• Dağıtım sıklığı – Bir kuruluşun üretime başarılı bir şekilde sürüm çıkarma sıklığı
• Değişiklikler için teslim süresi – Üretime geçmek için gereken süre
• Başarısızlık oranını değiştir – Üretimde arızaya neden olan dağıtımların yüzdesi
• Hizmeti geri yükleme zamanı – Bir kuruluşun üretimdeki bir başarısızlıktan kurtulması ne kadar sürer?

Bu ölçümler DevOps uygulamalarının etkinliğini ve verimliliğini ölçmek için niceliksel bir yol sağlar. DevOps analizinin odak noktasının büyük bir kısmı dağıtılmış teknolojiler ve bulut teknolojileri üzerinde olmasına rağmen, ana bilgisayar hala benzersiz ve güçlü konumunu koruyor ve ticaretin motoru olarak itibarını daha da artırmak için DORA 4 ölçümlerini kullanabilir.

Bu blog yazısında BMC Software'in nasıl eklendiği anlatılıyor AWS Üretken Yapay Zeka ürününe yönelik yetenekler BMC AMI zAdviser Kurumsal. zAdviser'ın kullandığı Amazon Ana Kayası DORA metrik verilerine dayanarak iyileştirme için özetleme, analiz ve öneriler sağlamak.

DORA 4 metriklerini izlemenin zorlukları

DORA 4 metriklerini takip etmek, sayıları bir araya getirip bir kontrol paneline yerleştirmek anlamına gelir. Ancak üretkenliği ölçmek aslında bireylerin performansını ölçmektir ve bu da onların inceleniyormuş gibi hissetmesine neden olabilir. Bu durum, organizasyon kültüründe kolektif başarılara odaklanacak ve otomasyon araçlarının geliştirici deneyimini iyileştirdiğini vurgulayacak bir değişikliği gerektirebilir.

Ayrıca alakasız metriklere odaklanmaktan veya verileri aşırı takip etmekten kaçınmak da hayati önem taşıyor. DORA metriklerinin özü, bilgileri değerlendirme için temel performans göstergeleri (KPI'ler) kümesine ayrıştırmaktır. Ortalama geri yükleme süresi (MTTR) genellikle izlenmesi en basit KPI'dır; çoğu kuruluş, olayları kaydeden ve sorun takibi yapan BMC Helix ITSM veya diğerleri gibi araçları kullanır.

Değişiklikler için teslim süresini ve değişiklik başarısızlık oranını yakalamak, özellikle ana bilgisayarlarda daha zorlayıcı olabilir. Değişiklikler için teslim süresi ve değişiklik başarısızlık oranı KPI'ları, kod taahhütlerinden, günlük dosyalarından ve otomatik test sonuçlarından elde edilen verileri toplar. Git tabanlı bir SCM kullanmak, bu öngörüleri sorunsuz bir şekilde bir araya getirir. BMC'nin Git tabanlı DevOps platformu AMI DevX'i kullanan ana bilgisayar ekipleri, bu verileri dağıtılmış ekiplerin toplayabildiği kadar kolay bir şekilde toplayabilir.

Çözüme genel bakış

Amazon Bedrock, AI21 Labs, Anthropic, Cohere, Meta, Stability AI ve Amazon gibi önde gelen AI şirketlerinin yüksek performanslı temel modelleri (FM'ler) seçeneklerini tek bir API aracılığıyla geniş bir yelpazede sunan, tümüyle yönetilen bir hizmettir. güvenlik, gizlilik ve sorumlu yapay zeka ile üretken yapay zeka uygulamaları oluşturmak için ihtiyacınız olan yetenekler.

BMC AMI zAdviser Enterprise, ana bilgisayar gelişimini optimize etmek ve ekiplerin sorunları proaktif bir şekilde tanımlayıp çözmesine olanak sağlamak için geniş bir DevOps KPI yelpazesi sunar. AMI zAdviser, makine öğrenimini kullanarak DevOps araç zincirleri genelinde ana bilgisayar oluşturma, test etme ve dağıtma işlevlerini izler ve ardından sürekli iyileştirme için yapay zeka liderliğindeki öneriler sunar. zAdviser, geliştirme KPI'larını yakalama ve raporlamanın yanı sıra, BMC DevX ürünlerinin nasıl benimsendiği ve kullanıldığına ilişkin verileri de yakalar. Buna, hataları ayıklanan programların sayısı, DevX test araçları kullanılarak yapılan test çalışmalarının sonuçları ve diğer birçok veri noktası dahildir. Bu ek veri noktaları, DORA ölçümleri de dahil olmak üzere geliştirme KPI'larına ilişkin daha derin bilgiler sağlayabilir ve Amazon Bedrock ile gelecekteki üretken yapay zeka çalışmalarında kullanılabilir.

Aşağıdaki mimari şeması, DORA ölçümleri KPI verilerine dayalı olarak iyileştirmeye yönelik özetleme, analiz ve öneriler sağlamak için üretken yapay zekayı kullanan zAdviser Enterprise'ın nihai uygulamasını göstermektedir.

Çözüm iş akışı aşağıdaki adımları içerir:

1. Metrikleri Elasticsearch'ten almak için toplama sorgusunu oluşturun.
2. Saklanan ana bilgisayar ölçüm verilerini, içinde barındırılan zAdviser'dan çıkarın. Amazon Elastik Bilgi İşlem Bulutu (Amazon EC2) ve AWS'de dağıtıldı.
3. Elasticsearch'ten alınan verileri toplayın ve üretken AI Amazon Bedrock API çağrısı için istemi oluşturun.
4. Üretken yapay zeka istemini Amazon Bedrock'a iletin (Amazon Bedrock'ta Anthropic'in Claude2 modelini kullanarak).
5. Amazon Bedrock'tan (HTML formatlı bir belge) gelen yanıtı şu adreste saklayın: Amazon Basit Depolama Hizmeti (Amazon S3).
6. KPI e-posta sürecini şu şekilde tetikleyin: AWS Lambda:
   1. HTML biçimli e-posta Amazon S3'ten çıkarılır ve e-postanın gövdesine eklenir.
   2. Müşteri KPI'larına ilişkin PDF, zAdviser'dan alınır ve e-postaya eklenir.
   3. E-posta abonelere gönderilir.

Aşağıdaki ekran görüntüsü, Amazon Bedrock kullanılarak oluşturulan ve zAdviser'ın DORA ölçümleri KPI kontrol paneli raporunu içeren bir PDF ekiyle birlikte müşteriye e-posta olarak gönderilen DORA ölçümlerinin LLM özetini göstermektedir.

Anahtar teslim paketler

Bu çözümde, verilerinizin bir AI istemcisine gönderildiğinde internette açığa çıkması konusunda endişelenmenize gerek yok. Amazon Bedrock'a yapılan API çağrısı, kişisel olarak tanımlanabilir herhangi bir bilgi (PII) veya bir müşteriyi tanımlayabilecek herhangi bir veri içermez. Aktarılan tek veri, DORA metrik KPI'ları biçimindeki sayısal değerlerden ve üretken yapay zekanın işlemlerine yönelik talimatlardan oluşur. Daha da önemlisi, üretken yapay zeka istemcisi bu verileri saklamaz, bunlardan öğrenmez veya önbelleğe almaz.

zAdviser mühendislik ekibi bu özelliği kısa sürede hızlı bir şekilde hayata geçirmeyi başardı. Hızlı ilerleme, zAdviser'ın AWS hizmetlerine yaptığı önemli yatırım ve daha da önemlisi Amazon Bedrock'u API çağrıları aracılığıyla kullanma kolaylığı sayesinde kolaylaştırıldı. Bu, Amazon Bedrock API'sinde yer alan üretken yapay zeka teknolojisinin dönüştürücü gücünün altını çiziyor. Sektöre özel bilgi havuzu zAdviser Enterprise ile donatılmış ve sürekli olarak toplanan kuruluşa özel DevOps ölçümleriyle özelleştirilmiş bu API, yapay zekanın bu alandaki potansiyelini ortaya koyuyor.

Üretken yapay zeka, yapay zeka odaklı organizasyonlar kurmaya giriş engelini azaltma potansiyeline sahiptir. Özellikle büyük dil modelleri (LLM'ler), yapılandırılmamış verileri keşfetmek ve kullanmak isteyen kuruluşlara büyük değer getirebilir. Chatbotların ötesinde, LLM'ler sınıflandırma, düzenleme ve özetleme gibi çeşitli görevlerde kullanılabilir.

Sonuç

Bu gönderide, BMC zAdviser'ın sahip olduğu sektöre özgü bilgilerle donatılmış ve sürekli olarak toplanan kuruluşa özgü DevOps ölçümleriyle uyarlanmış Amazon Bedrock API'leri biçimindeki üretken yapay zeka teknolojisinin dönüşümsel etkisi tartışıldı.

Check out BMC web sitesi Daha fazla bilgi edinmek ve bir demo oluşturmak için.

---

Yazarlar Hakkında

Sunil Bemarkar Amazon Web Services'te Kıdemli Ortak Çözüm Mimarıdır. Dijital dönüşüm yolculuklarını ve bulutu benimsemelerini hızlandırmak için farklı sektörlerdeki çeşitli Bağımsız Yazılım Satıcıları (ISV'ler) ve Stratejik müşterilerle birlikte çalışıyor.

Vij Balakrishna Amazon Web Services'te Kıdemli Ortak Geliştirme yöneticisidir. Sektörlerdeki bağımsız yazılım satıcılarının (ISV'ler) dijital dönüşüm yolculuklarını hızlandırmalarına yardımcı oluyor.

Spencer Hallman BMC AMI zAdviser Enterprise'ın Baş Ürün Yöneticisidir. Daha önce BMC AMI Strobe'da ve BMC AMI Ops Automation'da Batch Thruput'ta Ürün Müdürü olarak görev yaptı. Ürün Yönetiminden önce Spencer, Ana Bilgisayar Performansı Konu Uzmanıydı. Yıllar boyunca edindiği çeşitli deneyimler arasında birden fazla platform ve dilde programlamanın yanı sıra Yöneylem Araştırması alanında çalışmak da yer alıyor. Temple Üniversitesi'nden Yöneylem Araştırması ağırlıklı İşletme Yüksek Lisansı ve Vermont Üniversitesi'nden Bilgisayar Bilimleri alanında Lisans diplomasına sahiptir. Devon, PA'da yaşıyor ve sanal toplantılara katılmadığı zamanlarda köpeklerini gezdirmekten, bisiklete binmekten ve ailesiyle vakit geçirmekten hoşlanıyor.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/