[ad_1]
En el desarrollo de software, existe una conexión directa entre el desempeño del equipo y el desarrollo de aplicaciones sólidas y estables. El objetivo de la comunidad de datos es adoptar los rigurosos principios de ingeniería comúnmente utilizados en el desarrollo de software en sus propias prácticas, incluidos enfoques sistemáticos para el diseño, desarrollo, prueba y mantenimiento. Esto requiere una combinación cuidadosa de aplicaciones y métricas para garantizar un conocimiento, precisión y control completos. Se trata de evaluar todos los aspectos del desempeño de un equipo con énfasis en la mejora continua, y esto se aplica tanto a mainframes como a entornos distribuidos y en la nube, tal vez incluso más.
Esto se logra mediante prácticas como Infraestructura como Código (IaC) para implementaciones, pruebas automatizadas, observabilidad de las aplicaciones y propiedad total del ciclo de vida de las aplicaciones. A través de años de investigación, el equipo de Investigación y Evaluación de DevOps (DORA) ha identificado cuatro métricas clave que indican el desempeño de un equipo de desarrollo de software:
- Frecuencia de implementación – ¿Con qué frecuencia una organización lanza exitosamente a producción?
- Plazo de entrega de cambios – El tiempo que tarda un compromiso en llegar a producción.
- Tasa de fracaso del cambio – El porcentaje de implementaciones que causan un error en producción.
- Es hora de restablecer el servicio – ¿Cuánto tiempo tarda una organización en recuperarse de una pérdida de producción?
Estas métricas proporcionan una forma cuantitativa de medir la eficacia y eficiencia de las prácticas de DevOps. Aunque la mayor parte del análisis de DevOps se centra en las tecnologías distribuidas y en la nube, el mainframe aún mantiene una posición única y poderosa y puede aprovechar las métricas de DORA 4 para fortalecer su reputación como motor de comercio.
Esta publicación de blog explica cómo BMC Software agregó capacidades de IA generativa de AWS a su producto BMC AMI zAdviser Enterprise. zAdviser utiliza Amazon Bedrock para proporcionar resúmenes, análisis y recomendaciones de mejora basadas en datos de métricas de DORA.
Desafíos en el seguimiento de las métricas de DORA 4
Para realizar un seguimiento de las métricas de DORA 4, los números deben compilarse y mostrarse en un tablero. Sin embargo, medir la productividad consiste esencialmente en medir el desempeño de los individuos, lo que puede llevarlos a ponerse bajo un microscopio. Esta situación puede requerir un cambio en la cultura organizacional para centrarse en el éxito colectivo y enfatizar que las herramientas de automatización mejoran la experiencia del desarrollador.
También es importante evitar centrarse en métricas irrelevantes o realizar un seguimiento excesivo de los datos. El núcleo de las métricas de DORA es resumir la información en un conjunto básico de indicadores clave de rendimiento (KPI) para su evaluación. El tiempo medio de recuperación (MTTR) suele ser el KPI más fácil de rastrear: la mayoría de las empresas utilizan herramientas como BMC Helix ITSM u otras que registran eventos y rastrean problemas.
El seguimiento del tiempo de entrega de los cambios y de la tasa de fracaso de los cambios puede ser más desafiante, especialmente en mainframes. Cambie el tiempo de entrega y cambie los KPI de la tasa de fallas que agregan datos de confirmaciones de código, archivos de registro y resultados de pruebas automatizadas. Al utilizar un SCM basado en Git, estos conocimientos se combinan a la perfección. Los equipos de mainframe que utilizan la plataforma DevOps basada en Git de BMC, AMI DevX, pueden recopilar estos datos con la misma facilidad que los equipos distribuidos.
Descripción general de la solución
Amazon Bedrock es un servicio totalmente administrado que ofrece, a través de una única API, una selección de potentes Foundation Models (FM) de empresas líderes en IA como AI21 Labs, Anthropic, Cohere, Meta, Stability AI y Amazon, así como una amplia gama de características que necesita para crear aplicaciones de IA generativa con seguridad, privacidad e IA responsable.
BMC AMI zAdviser Enterprise proporciona una amplia gama de KPI de DevOps para optimizar el desarrollo de mainframe y capacitar a los equipos para identificar y resolver problemas de forma proactiva. Utilizando el aprendizaje automático, AMI zAdviser monitorea la creación, prueba e implementación de funciones de mainframe en las cadenas de herramientas DevOps y luego proporciona recomendaciones basadas en IA para una mejora continua. Además de recopilar e informar sobre los KPI de desarrollo, zAdviser también recopila datos sobre cómo se adoptan y utilizan los productos BMC DevX. Esto incluye la cantidad de programas depurados, el resultado de los esfuerzos de prueba con las herramientas de prueba de DevX y muchos otros puntos de datos. Estos puntos de datos adicionales pueden proporcionar información más profunda sobre los KPI de desarrollo, incluidas las métricas de DORA, y pueden usarse en futuros esfuerzos de IA generativa con Amazon Bedrock.
El siguiente diagrama de arquitectura muestra la implementación final de zAdviser Enterprise utilizando IA generativa para proporcionar resúmenes, análisis y recomendaciones de mejora basadas en los datos de KPI de las métricas de DORA.
El flujo de trabajo de la solución incluye los siguientes pasos:
- Cree la consulta de agregación para recuperar las métricas de Elasticsearch.
- Extraiga los datos de métricas de mainframe almacenados de zAdviser alojado en Amazon Elastic Compute Cloud (Amazon EC2) e implementado en AWS.
- Agregue los datos recuperados de Elasticsearch y forme el mensaje para la llamada generativa a la API de Amazon Bedrock de IA.
- Pase el mensaje de IA generativa a Amazon Bedrock (usando el modelo Claude2 de Anthropic en Amazon Bedrock).
- Guarde la respuesta de Amazon Bedrock (un documento con formato HTML) en Amazon Simple Storage Service (Amazon S3).
- Active el proceso de correo electrónico de KPI a través de AWS Lambda:
- El correo electrónico con formato HTML se extrae de Amazon S3 y se agrega al cuerpo del correo electrónico.
- El PDF de los KPI del cliente se extrae de zAdviser y se adjunta al correo electrónico.
- El correo electrónico se envía a los suscriptores.
La siguiente captura de pantalla muestra el resumen de LLM de las métricas de DORA generadas con Amazon Bedrock y enviadas por correo electrónico al cliente con un archivo adjunto en PDF que contiene el informe del panel de KPI de métricas de DORA de zAdviser.
Las tesis centrales
Con esta solución, no tiene que preocuparse de que sus datos queden expuestos en Internet cuando se envían a un cliente de IA. La llamada API a Amazon Bedrock no contiene ninguna información de identificación personal (PII) ni datos que puedan identificar a un cliente. Los únicos datos enviados consisten en valores numéricos en forma de KPI de métricas de DORA e instrucciones para las operaciones de IA generativa. Es importante que el cliente de IA generativa no guarde, aprenda de estos datos ni los almacene en caché.
El equipo de ingeniería de zAdviser logró implementar rápidamente esta función en un corto período de tiempo. El rápido progreso se vio facilitado por la importante inversión de zAdviser en servicios de AWS y, lo más importante, la facilidad de uso de Amazon Bedrock a través de llamadas API. Esto resalta el poder transformador de la tecnología de IA generativa incorporada en la API de Amazon Bedrock. Esta API, impulsada por el repositorio de conocimiento específico de la industria zAdviser Enterprise y personalizada con métricas de DevOps específicas de la organización recopiladas continuamente, demuestra el potencial de la IA en esta área.
La IA generativa tiene el potencial de reducir la barrera de entrada para la creación de organizaciones impulsadas por la IA. Los modelos de lenguajes grandes (LLM), en particular, pueden proporcionar un valor enorme para las empresas que buscan explorar y aprovechar datos no estructurados. Más allá de los chatbots, los LLM se pueden utilizar para una variedad de tareas como clasificación, edición y resumen.
Diploma
Esta publicación analizó el impacto transformador de la tecnología de IA generativa en forma de API de Amazon Bedrock, impulsadas por el conocimiento específico de la industria de BMC zAdviser y adaptadas a métricas de DevOps específicas de la organización que se rastrean continuamente.
Visite el sitio web de BMC para obtener más información y configurar una demostración.
Sobre los autores
Sunil Bemarkar es arquitecto de soluciones socio senior en Amazon Web Services. Trabaja con varios proveedores de software independientes (ISV) y clientes estratégicos en múltiples industrias para acelerar su transformación digital y adopción de la nube.
Vij Balakrishna es gerente senior de desarrollo de socios en Amazon Web Services. Ayuda a los proveedores de software independientes (ISV) de todas las industrias a acelerar su viaje de transformación digital.
Spencer Hallman es el gerente senior de producto de BMC AMI zAdviser Enterprise. Anteriormente, fue gerente de producto de BMC AMI Strobe y BMC AMI Ops Automation para Batch Thruput. Antes de la gestión de productos, Spencer era un experto en el rendimiento de mainframe. Sus diversas experiencias a lo largo de los años también incluyeron programación en múltiples plataformas y lenguajes, además de trabajar en investigación de operaciones. Tiene una Maestría en Administración de Empresas con especialización en Investigación de Operaciones de la Universidad de Temple y una Licenciatura en Ciencias de la Computación de la Universidad de Vermont. Vive en Devon, Pensilvania, y cuando no asiste a reuniones virtuales, le gusta pasear a sus perros, andar en bicicleta y pasar tiempo con su familia.
[ad_2]
New Comments