在軟體工程中，團隊績效與建立健壯、穩定的應用程式之間存在直接關聯。資料社群的目標是將軟體開發中常用的嚴格工程原理應用到自己的實踐中，其中包括設計、開發、測試和維護的系統方法。這需要仔細組合應用程式和指標，以提供完整的感知、準確性和控制。這意味著評估團隊績效的各個方面，重點是持續改進，它不僅適用於大型主機，也適用於分散式和雲端環境，甚至更多。
這是透過用於部署、自動化測試、應用程式可觀察性和完整應用程式生命週期所有權的基礎設施即程式碼 (IaC) 等實踐來實現的。透過多年的研究， DevOps 研究與評估 (DORA) 團隊確定了四個顯示軟體開發團隊績效的關鍵指標：
- 部署頻率 – 組織成功發佈到生產環境的頻率
- 變更準備時間 – 提交到投入生產所需的時間
- 改變失敗率 – 導致生產失敗的部署百分比
- 恢復服務的時間 – 組織需要多長時間才能從生產故障中恢復過來
這些指標提供了一種量化方法來衡量 DevOps 實踐的有效性和效率。儘管 DevOps 分析的大部分重點都集中在分散式和雲端技術上，但大型主機仍然保持著獨特而強大的地位，並且它可以使用 DORA 4 指標來進一步提升其作為商業引擎的聲譽。
這篇博文討論了 BMC Software 如何添加 AWS 生成式人工智慧 其產品的能力 BMC AMI zAdviser 企業版。 zAdviser 使用 亞馬遜基岩 根據DORA指標數據提供總結、分析和改進建議。
追蹤 DORA 4 指標的挑戰
追蹤 DORA 4 指標意味著將數字放在一起並將其放在儀表板上。然而，衡量生產力本質上是衡量個人的表現，這會讓他們感到被檢視。這種情況可能需要改變組織文化，以專注於集體成就並強調自動化工具可以增強開發人員的體驗。
避免關注不相關的指標或過度追蹤數據也很重要。 DORA指標的本質是將資訊提煉成一組核心關鍵績效指標（KPI）以進行評估。平均恢復時間 (MTTR) 通常是最簡單的追蹤 KPI，大多數組織使用 BMC Helix ITSM 等工具或其他記錄事件和問題追蹤的工具。
捕獲變更的交付時間和變更失敗率可能更具挑戰性，尤其是在大型主機上。變更交付時間和變更失敗率 KPI 匯總來自程式碼提交、日誌檔案和自動化測試結果的資料。使用基於 Git 的 SCM 將這些見解無縫地整合在一起。使用 BMC 基於 Git 的 DevOps 平台 AMI DevX 的大型主機團隊可以像分散式團隊一樣輕鬆地收集這些資料。
解決方案概述
Amazon Bedrock 是一項完全託管的服務，透過單一 API 提供來自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等領先 AI 公司的高效能基礎模型 (FM) 以及廣泛的一組構建具有安全性、隱私性和負責任的人工智慧的生成式人工智慧應用所需的功能。
BMC AMI zAdviser Enterprise 提供廣泛的 DevOps KPI，以優化大型主機開發並使團隊能夠主動識別和解決問題。 AMI zAdviser 使用機器學習來監控跨 DevOps 工具鏈的大型機構建構、測試和部署功能，然後提供 AI 主導的持續改進建議。除了擷取和報告開發 KPI 之外，zAdviser 還擷取有關 BMC DevX 產品如何採用和使用的資料。這包括已調試的程式數量、使用 DevX 測試工具的測試工作結果以及許多其他數據點。這些額外的數據點可以更深入地了解開發 KPI（包括 DORA 指標），並可用於未來與 Amazon Bedrock 一起進行的生成式 AI 工作。
以下架構圖顯示了 zAdviser Enterprise 的最終實現，它利用生成式 AI 根據 DORA 指標 KPI 資料提供總結、分析和改進建議。
解決方案工作流程包括以下步驟：
- 建立聚合查詢以從 Elasticsearch 檢索指標。
- 從 zAdviser 提取儲存的大型主機指標數據，該數據託管在 亞馬遜彈性計算雲 (Amazon EC2) 並部署在 AWS 中。
- 聚合從 Elasticsearch 檢索的資料並形成產生 AI Amazon Bedrock API 呼叫的提示。
- 將生成式 AI 提示傳遞給 Amazon Bedrock（在 Amazon Bedrock 上使用 Anthropic 的 Claude2 模型）。
- 將 Amazon Bedrock 的回應（HTML 格式的文件）儲存在 亞馬遜簡單存儲服務 （Amazon S3）。
- 透過以下方式觸發 KPI 電子郵件流程 AWS Lambda:
- HTML 格式的電子郵件會從 Amazon S3 擷取並新增至電子郵件正文中。
- 客戶 KPI 的 PDF 是從 zAdviser 中提取的，並附加到電子郵件中。
- 該電子郵件將發送給訂閱者。
以下螢幕截圖顯示了使用 Amazon Bedrock 產生並作為電子郵件發送給客戶的 DORA 指標的 LLM 摘要，其中包含包含 zAdviser 的 DORA 指標 KPI 儀表板報告的 PDF 附件。
關鍵要點
在此解決方案中，您無需擔心資料傳送到人工智慧用戶端時會暴露在網路上。對 Amazon Bedrock 的 API 呼叫不包含任何個人識別資訊 (PII) 或任何可識別客戶身分的資料。傳輸的唯一資料包括 DORA 指標 KPI 形式的數值和產生 AI 操作的指令。重要的是，生成式人工智慧客戶端不會保留、學習或快取這些資料。
zAdviser 工程團隊在短時間內成功快速實現了此功能。 zAdviser 對 AWS 服務的大量投資以及更重要的是透過 API 呼叫輕鬆使用 Amazon Bedrock 促進了快速進展。這凸顯了 Amazon Bedrock API 所體現的生成式 AI 技術的變革力量。該 API 配備了特定於行業的知識庫 zAdviser Enterprise，並根據不斷收集的特定於組織的 DevOps 指標進行定制，展示了人工智慧在該領域的潛力。
生成式人工智慧有潛力降低建構人工智慧驅動型組織的進入門檻。大型語言模型 (LLM) 尤其可以為尋求探索和使用非結構化資料的企業帶來巨大價值。除了聊天機器人之外，法學碩士還可以用於各種任務，例如分類、編輯和摘要。
結論
這篇文章討論了 Amazon Bedrock API 形式的生成式 AI 技術的變革性影響，該 API 配備了 BMC zAdviser 所擁有的行業特定知識，並根據持續收集的特定於組織的 DevOps 指標進行客製化。
退房 BMC網站 了解更多並設定演示。
關於作者
蘇尼爾貝馬克 是 Amazon Web Services 的高階合作夥伴解決方案架構師。他與各行業的各種獨立軟體供應商 (ISV) 和策略客戶合作，加速他們的數位轉型之旅和雲端採用。
維吉·巴拉克里希納 是 Amazon Web Services 的高級合作夥伴開發經理。她幫助各行業的獨立軟體供應商 (ISV) 加速其數位轉型之旅。
史賓塞·霍爾曼 是 BMC AMI zAdviser Enterprise 的首席產品經理。此前，他曾擔任 BMC AMI Strobe 和 BMC AMI Ops Automation for Batch Thruput 的產品經理。在從事產品管理之前，Spencer 是大型主機性能的主題專家。他多年來的豐富經驗還包括在多種平台和語言上進行程式設計以及在運籌學領域的工作。他擁有天普大學運籌學工商管理碩士學位和佛蒙特大學計算機科學學士學位。他住在賓州德文郡，當他不參加虛擬會議時，喜歡遛狗、騎自行車以及與家人共度時光。
