江苏龙网

  1. 首页 > 资讯 > 科技 > >

行业互联网|人工智能加快DevOps的10种方式( 二 )


Checkmarx公司首席技术官Maty Siman对机器学习如何实时发现代码漏洞的信息进行了阐述 。 他说：“即使是拥有最成熟软件开发生命周期(SDLC)的组织 ， 也经常会遇到对漏洞进行优先级划分和分类的问题 。 专注于开发人员或应用程度安全团队的机器学习算法要关注真正的优势和构成威胁易受攻击的组件 ， 这是应对这一挑战的关键 。 ” 他表示 ， 可以教会机器学习算法理解一种类型的脆弱性相对于另一种类型的脆弱性 ， 它所占的比例更高 。 有了这个自动的审核过程 ， 团队能够以更加明智的方式优化和加速其修复工作 。
(5) 通过基于给定代码库的唯一属性自动生成和自动运行测试用例来提高软件质量保证 ， 这是采用人工智能技术节省DevOps团队宝贵时间的另一个领域 。
对于在各种用例中对新应用程序和平台进行压力测试而言 ， 这是非常宝贵的 。 在任何DevOps团队中 ， 创建和修改测试用例都是一项独特的技能 ， 具有这种技能的开发人员经常会因测试更新而感到不知所措 。 基于人工智能的软件开发工具正在消除测试覆盖范围的重叠 ， 通过更可预测的测试优化现有的测试工作 ， 并加快从缺陷检测到缺陷预防的进程 。 基于人工智能的软件开发平台可以识别复杂且相互关联的产品模块之间的依赖关系 ， 从而提高整个过程中的产品质量 。 而提高软件质量也提高了客户体验 。
(6) 在复杂的软件应用程序和平台发布并交付给客户后 ， 人工智能技术很擅长解决这些问题 。
企业软件厂商在其软件质量保证过程中付出了极大的努力 ， 以消除错误、逻辑错误和不可靠的代码段 。 而更新版本或者最坏的情况是召回它们的成本很高 ， 而且会影响客户的生产效率 。 事实证明 ， 基于人工智能的质量检查工具可以有效地预测企业应用程序的哪些区域在交付到复杂的客户环境之前会失败 。 人工智能在根本原因分析方面是有效的 ， 而且在加快领先的客户关系管理(CRM)提供商的应用程序交付 ， 以及在将客户企业环境中的恢复时间缩短方面也证明是有效的 。 另一个DevOps团队表示 ， 他们正在使用人工智能来自动配置应用程序的设置 ， 以优化客户部署的性能 。
(7) 基于机器学习的代码漏洞检测可以可靠地发现异常并实时警告DevOps团队 。
Checkmarx公司首席技术官Maty Siman表示 ， “假设组织的开发人员正在编写高质量、安全的代码 ， 则机器学习可以设置‘正常活动’的基准 ， 并从该基准中识别并标记异常 。 最终 ， 人们生活在一个每天都在变化的IT和安全环境中 ， 要求系统和工具以相同甚至更快的速度学习和适应 。 组织和开发人员不能仅凭一己之力通过解决方案来提高威胁检测的准确性 ， 从而帮助他们确定最重要的事情的优先级 。 ”快速发现异常并采取措施是构建基于人工智能软件的质量检查和DevOps工具的业务案例所不可或缺的一部分 。
(8) 高级DevOps团队正在使用人工智能来分析和发现所有开发工具、应用程序性能监视(APM)、软件质量保证 ， 以及发布周期系统的新见解 。
一家行业领先的供应链管理(SCM)企业软件提供商的DevOps团队正在使用人工智能分析为什么某些项目进展顺利并提供出色的代码 ， 而其他项目却陷入了永久审查和代码重写周期的原因 。 通过使用受监督的机器学习算法 ， 他们可以查看模式并深入了解其数据 。 该公司DevOps负责人表示 ， 以数据为驱动力正迅速成为其DNA的一部分 。
(9) 改进每个发布周期内的可追溯性 ， 以找出DevOps协作和数据集成工作流中可以改进的地方 。
人工智能使DevOps团队能够更好地相互协调 ， 特别是在远程地理位置 。 人工智能驱动的洞察力有助于了解共享需求和规范如何反映本地化、独特的客户需求以及特定的性能基准 。
(10) 创建可以使人工智能发挥最大价值的集成度更高的DevOps战略取决于框架 ， 这些框架可以使DevOps以客户为中心 ， 同时提高敏捷性并培育分析驱动的DNA ， 以获得对运营的洞察力 。


推荐阅读


上一篇：中年|420万吨/年催化裂化装置一次开车成功

下一篇：石英砂|石英砂烘干机生产如何有效的防尘，减少污染？