У розробці програмного забезпечення існує прямий зв’язок між продуктивністю команди та розробкою надійних, стабільних програм. Спільнота даних прагне прийняти строгі інженерні принципи, які зазвичай використовуються в розробці програмного забезпечення, у свою власну практику, що включає систематичні підходи до проектування, розробки, тестування та обслуговування. Це вимагає ретельного поєднання програм і показників, щоб забезпечити повну обізнаність, точність і контроль. Це означає оцінку всіх аспектів продуктивності команди з акцентом на безперервне вдосконалення, і це стосується як мейнфреймів, так і розподілених і хмарних середовищ — можливо, більше.

Це досягається за допомогою таких практик, як інфраструктура як код (IaC) для розгортання, автоматизоване тестування, можливість спостереження за програмою та повне володіння життєвим циклом програми. Завдяки рокам досліджень, Дослідження та оцінка DevOps (DORA) команда визначила чотири ключові показники, які вказують на продуктивність команди розробників програмного забезпечення:

• Частота розгортання – Як часто організація успішно випускає у виробництво
• Час для внесення змін – Кількість часу, який потрібен коміту, щоб почати роботу
• Змінити рівень відмов – Відсоток розгортань, що викликають збій у виробництві
• Час відновити обслуговування – Скільки часу потрібно організації, щоб відновитися після збою у виробництві

Ці показники забезпечують кількісний спосіб вимірювання ефективності та ефективності практик DevOps. Хоча в аналізі DevOps основна увага приділяється розподіленим і хмарним технологіям, мейнфрейм усе ще зберігає унікальну та потужну позицію, і він може використовувати показники DORA 4 для зміцнення своєї репутації двигуна комерції.

У цій публікації блогу розповідається про те, як додано програмне забезпечення BMC AWS Generative AI можливості для свого продукту BMC AMI zAdviser Enterprise. zAdviser використовує Amazon Bedrock надати узагальнення, аналіз та рекомендації щодо покращення на основі даних метрик DORA.

Проблеми відстеження метрик DORA 4

Відстеження показників DORA 4 означає об’єднання чисел і розміщення їх на інформаційній панелі. Однак вимірювання продуктивності — це, по суті, вимірювання ефективності окремих людей, що може викликати в них відчуття прискіпливості. Така ситуація може вимагати зміни в організаційній культурі, щоб зосередитися на колективних досягненнях і підкреслити, що засоби автоматизації покращують досвід розробників.

Також важливо не зосереджуватися на нерелевантних показниках або надмірному відстеженні даних. Суть показників DORA полягає в тому, щоб звести інформацію до основного набору ключових показників ефективності (KPI) для оцінки. Середній час відновлення (MTTR) часто є найпростішим KPI для відстеження. Більшість організацій використовують такі інструменти, як BMC Helix ITSM або інші, які записують події та відстежують проблеми.

Зафіксувати час виконання змін і рівень відмов змін може бути складніше, особливо на мейнфреймах. Ключові показники KPI часу виконання змін і частоти відмов змін збирають дані з комітів коду, файлів журналів і результатів автоматизованих тестів. Використання SCM на основі Git бездоганно об’єднує цю інформацію. Команди мейнфреймів, які використовують платформу BMC DevOps на основі Git, AMI DevX, можуть збирати ці дані так само легко, як і розподілені команди.

Огляд рішення

Amazon Bedrock — це повністю керований сервіс, який пропонує вибір високоефективних базових моделей (FM) від провідних компаній зі штучного інтелекту, як-от AI21 Labs, Anthropic, Cohere, Meta, Stability AI і Amazon, через єдиний API разом із широким набором можливості, необхідні для створення генеративних програм ШІ з безпекою, конфіденційністю та відповідальним ШІ.

BMC AMI zAdviser Enterprise надає широкий спектр KPI DevOps для оптимізації розробки мейнфреймів і дозволяє командам проактивно виявляти та вирішувати проблеми. Використовуючи машинне навчання, AMI zAdviser відстежує функції побудови, тестування та розгортання мейнфрейму в усіх ланцюжках інструментів DevOps, а потім пропонує рекомендації на основі штучного інтелекту щодо постійного вдосконалення. На додаток до збору та звітування про KPI розробки, zAdviser збирає дані про те, як продукти BMC DevX приймаються та використовуються. Це включає кількість налагоджених програм, результати тестування за допомогою інструментів тестування DevX і багато інших даних. Ці додаткові точки даних можуть надати більш глибоке розуміння ключових показників ефективності розробки, включно з показниками DORA, і можуть бути використані в майбутніх зусиллях генеративного ШІ з Amazon Bedrock.

На наступній діаграмі архітектури показано остаточну реалізацію zAdviser Enterprise із застосуванням генеративного штучного інтелекту для надання підсумків, аналізу та рекомендацій щодо покращення на основі даних показників KPI DORA.

Робочий процес рішення включає наступні кроки:

1. Створіть агрегаційний запит, щоб отримати показники з Elasticsearch.
2. Витягніть збережені дані метрики мейнфрейму з zAdviser, який розміщено в Обчислювальна хмара Amazon Elastic (Amazon EC2) і розгорнуто в AWS.
3. Об’єднайте дані, отримані з Elasticsearch, і сформуйте підказку для генеративного виклику AI Amazon Bedrock API.
4. Передайте підказку генеративного штучного інтелекту в Amazon Bedrock (використовуючи модель Claude2 від Anthropic на Amazon Bedrock).
5. Зберігайте відповідь від Amazon Bedrock (документ у форматі HTML) у Служба простого зберігання Amazon (Amazon S3).
6. Запустіть процес електронної пошти KPI через AWS Lambda:
   1. Електронна пошта у форматі HTML витягується з Amazon S3 і додається до основної частини електронної пошти.
   2. PDF-файл для KPI клієнта витягується з zAdviser і додається до електронного листа.
   3. Лист надсилається підписникам.

На наступному знімку екрана показано LLM підсумок метрик DORA, створений за допомогою Amazon Bedrock і надісланий клієнту електронною поштою з вкладеним PDF-файлом, який містить звіт інформаційної панелі KPI метрик DORA від zAdviser.

Ключові вивезення

У цьому рішенні вам не потрібно хвилюватися про те, що ваші дані будуть доступні в Інтернеті, коли вони надсилаються клієнту AI. Виклик API до Amazon Bedrock не містить жодної особистої інформації (PII) або будь-яких даних, які могли б ідентифікувати клієнта. Єдині дані, що передаються, складаються з числових значень у формі KPI метрики DORA та інструкцій для операцій генеративного ШІ. Важливо, що клієнт генеративного штучного інтелекту не зберігає ці дані, не вивчає їх і не кешує.

Команді інженерів zAdviser вдалося швидко впровадити цю функцію за короткий проміжок часу. Швидкому прогресу сприяли значні інвестиції zAdviser у сервіси AWS і, що важливо, простота використання Amazon Bedrock через виклики API. Це підкреслює трансформаційну силу генеративної технології ШІ, втіленої в Amazon Bedrock API. Цей API, оснащений спеціальним галузевим сховищем знань zAdviser Enterprise і налаштований за допомогою постійно збираних показників DevOps для конкретної організації, демонструє потенціал штучного інтелекту в цій галузі.

Генеративний штучний інтелект має потенціал для зниження бар’єрів для створення організацій, керованих ШІ. Зокрема, великі мовні моделі (LLM) можуть принести величезну цінність підприємствам, які прагнуть досліджувати та використовувати неструктуровані дані. Окрім чат-ботів, LLM можна використовувати для виконання різноманітних завдань, таких як класифікація, редагування та підсумовування.

Висновок

У цій публікації обговорювався трансформаційний вплив генеративної технології штучного інтелекту у формі API Amazon Bedrock, оснащених спеціальними галузевими знаннями, якими володіє BMC zAdviser, адаптованими до конкретних організаційних показників DevOps, які збираються на постійній основі.

Від'їзд Веб-сайт BMC щоб дізнатися більше та налаштувати демонстрацію.

---

Про авторів

Суніл Бемаркар є старшим архітектором партнерських рішень у Amazon Web Services. Він працює з різними незалежними постачальниками програмного забезпечення (ISV) і стратегічними клієнтами в різних галузях, щоб прискорити їхній шлях цифрової трансформації та впровадження хмарних технологій.

Вій Балакрішна є старшим менеджером з розвитку партнерів у Amazon Web Services. Вона допомагає незалежним постачальникам програмного забезпечення (ISV) у різних галузях прискорити їхній шлях до цифрової трансформації.

Спенсер Холлман є провідним менеджером із продуктів BMC AMI zAdviser Enterprise. Раніше він був менеджером із продуктів для BMC AMI Strobe та BMC AMI Ops Automation для Batch Thruput. До управління продуктами Спенсер працював експертом з питань продуктивності мейнфреймів. Його різноманітний досвід протягом багатьох років також включав програмування на багатьох платформах і мовах, а також роботу в галузі дослідження операцій. Він має ступінь магістра ділового адміністрування зі спеціалізацією на дослідженні операцій в Університеті Темпл і ступінь бакалавра наук з комп’ютерних наук в Університеті Вермонта. Він живе в Девоні, штат Пенсільванія, і коли не відвідує віртуальних зустрічей, любить гуляти з собаками, кататися на велосипеді та проводити час із сім’єю.

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://aws.amazon.com/blogs/machine-learning/achieve-devops-maturity-with-bmc-ami-zadviser-enterprise-and-amazon-bedrock/