對于許多開發人員來說，預測 DevOps 的下一步已經成為他們最喜歡的一種消遣。在過去的十年里，我們看到我們的行業迅速變化，在同一時期，程序員的角色也發生了根本性的變化。事實上，尤其是那些（我們應該說）特定年齡的開發者中，“傳統”開發者的角色似乎已經不復存在。與傳統的軟件開發生命周期（即軟件的規劃、構建和發布）不同，我們中的許多人現在都在多職責團隊中工作，在這些團隊中，開發和運維并存，并且越來越難以區分。

    這種模式被稱為 DevOps，但只是在最近開始流行。而且 DevOps 本身只花了幾年（或者幾個月？）就開始改變和適應。現在，我們正漂泊在首字母縮略詞的海洋中（包括最近的 DevSecOps），這些首字母縮略詞表示一種稍微不同的工作方式，每個首字母縮略詞對未來的看法也略有不同。

    其中最新的是 AIOps。在這個愿景中，AI 工具正在慢慢取代開發者的角色——就像 DevOps 以前做的那樣——并最終將完全取代 DevOps。

    評估這一預測是否正確是一件棘手的事情，但在本文中，我們仍將嘗試。我們將看看 AI 承諾為開發過程做些什么，評估它是否真的能夠從人類開發者手中接管，然后看看 DevOps 在幾十年后可能會是什么樣子。

一、自動化的前景

    首先，為了理解為什么 AI 工具被 DevOps 團隊如此迅速地采用，了解它們承諾能夠實現什么是非常有用的。這一承諾基本上可以分為兩部分：

    一方面，AI 工具的使用“僅僅”是過度緊張的開發人員掌握他們所使用的日益復雜的系統的一種方式。

    另一發面，AI 工具提供了一系列自動化代碼開發和部署技術，從根本上改變了軟件的制作方式。

    關于前者——讓我們的生活更輕松的 AI 工具——我們只需看看過去十年中云基礎設施模型的激增，就知道為什么人工智能是必要的。如今，大多數公司都使用某種形式的混合或云基礎設施，如果沒有某種形式的人工智能幫助，管理這些基礎設施幾乎是不可能的。事實上，混合和多種云基礎設施、容器和超大規模應用程序等微服務架構，創造了一個比以往任何時候都更復雜的企業 IT 環境。

    其次是人工智能工具采用的第二個方面——事實上，一些人工智能工具，如 GitHub 的人工智能編碼助手或微軟的DeepDev，不僅讓我們的生活更輕松，還為代碼開發和分發開辟了新的可能性。例如，人工智能系統評估單個用戶需求的速度，使得使用 AI 來調整和指定每個用戶的默認 Web 瀏覽行為成為可能，從而降低了它們在使用我們的軟件時對特定類型惡意軟件的脆弱性。

    由于 AI 工具的實用性，除了最頑固的 DevOps 團隊，它們已經被所有團隊廣泛迅速采用。事實上，對于現在運行多個不同云的團隊（差不多是所有團隊，非常多），人工智能接口幾乎已經成為他們發展和擴展他們的 DevOps 程序的必要條件。

    這種轉變最明顯、最具體的結果是開發人員花時間查看的數據和系統。例如，過去運維團隊的一個主要角色是構建和維護一個儀表盤，所有工作人員都可以查看這個儀表盤，該儀表盤包含一個軟件上的所有適當數據。

    如今，這一中心任務已經基本過時。隨著軟件變得越來越復雜，用一個儀表盤包含某一特定軟件的所有相關信息的想法開始聽起來很荒謬。相反，大多數 DevOps 團隊在使用人工智能工具“自動”監控他們正在使用的軟件，并且只有在明確出現問題時才顯示數據。

    這是我們作為開發人員和運維人員工作方式的重大轉變，因此它被賦予了自己的首字母縮略詞——AIOps，也就不足為奇了。事實上，有些人甚至更進一步，聲稱這種對人工智能工具的依賴現在意味著我們正在進入 NoOps 時代。然而，關于哪個角色被取消存在分歧——無論 NoOps 是指“沒有開發人員”還是“沒有運維”。

    所有這些關于軟件開發哲學背景的思考聽起來可能有點抽象。直到你看到數字，從中可以明顯看出，人工智能已經對軟件的發布速度（和質量）產生了巨大的影響。

    GitLab 最近對 4000 多名開發人員進行了調查，得出了一些確切的數據。調查發現，一些公司發布新代碼的速度比以前快了十倍。很明顯，75% 的用戶使用人工智能和機器學習來測試和審查預發布的代碼。這比一年前的 40% 略高。

    這對于開發人員來說是個好消息，或者至少對于那些希望快速生成大量代碼的人來說是個好消息。不幸的是，這并不總是與生成優秀代碼相同。例如，從勒索軟件攻擊趨勢可以明顯看出，測試不良的代碼正迅速成為許多組織的一個顯著漏洞源，人工智能驅動的測試系統的出現對減少這一漏洞幾乎沒有什么作用。

    盡管如此，前進的方向是顯而易見的。再過幾年，DevOps 團隊中的絕大多數似乎都將依賴人工智能工具，軟件的發布速度將是以前的數倍。這讓我們回到了我們開始的問題——考慮到人工智能工具現在做了這么多 DevOps 工作，我們還需要 DevOps 人員嗎？

    在最膚淺的層面上，可以通過一個非常簡單的測試來回答這個問題。隨著人工智能工具在整個開發部門的應用，開發人員的工作量是否減少了？問一個普通開發者的問題，你會得到一個笑聲。答案是否定的。

    這是因為，隨著 DevOps 團隊在其軟件的日常管理上花費的時間越來越少，他們過去在這方面花費的時間現在被更具價值的任務占用了——戰略規劃、元分析，以及確保他們的開發目標與管理目標一致。事實上，許多人認為會使 DevOps 過時的人工智能“革命”似乎使團隊比以往任何時候都更龐大、更繁忙。這是因為它的副作用是使開發周期大大加快。

    這一點得到了業務管理者的充分理解。在最近對 ZDNet 的采訪中，iTech AG 的執行副總裁 Matthew Tiani 指出，DevOps 現在“通過增強的技術工具集（包括源碼管理、CI/CD、編排）得到了增強。”

    他還補充說，DevOps 的成功實施利用了“一種兼容的開發方法，例如敏捷和 scrum，以及一種促進和鼓勵開發人員和運維人員之間協作的組織承諾。”

    實際上，這些因素和趨勢意味著 DevOps 團隊越來越關注業務目標，而不是技術挑戰。這當然是一個變化，但這對于我們生產的軟件的質量應該不是一個消極的變化。可以說，事實上，人工智能工具使團隊能夠將人力資源集中在他們最擅長的地方——創造性、整體性和戰略性任務中。

    你不需要找太遠的證據。舉個例子，Vue JS 現在是世界上增長最快的開發框架，現在已經有 240000 多個在線網站是用這個框架構建的。在人工智能工具出現之前，一個新的復雜的開發框架可以如此迅速地在全世界推廣的想法是可笑的。現在，在人工智能工具的支持下，DevOps 團隊有了更多的自由來勇敢地做出決策，相信他們的工具足夠先進來應對技術挑戰。

    這意味著人工智能工具不太可能取代 DevOps，或者至少在短期內不會取代 DevOps。正如我們在采用 DevOps 的之前趨勢中看到的那樣，開發團隊仍然需要戰略領導，無論他們的技術工具如何先進。而且，盡管人工智能現在在許多領域都有很強的能力，但它們仍然缺少以真正創造性的方式響應用戶需求的能力。

    總而言之，我們可能還需要人力開發人員一段時間。盡管他們的角色可能與十年前完全不同，但這就是在如此發展變化的行業工作的代價（和樂趣）。

      注：尊重原創文章,轉載請注明出處和鏈接 http://www.hebeijilong.cn/news-id-6224.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050