В разработке программного обеспечения существует прямая корреляция между производительностью команды и созданием надежных и стабильных приложений. Сообщество данных стремится внедрить строгие инженерные принципы, обычно используемые при разработке программного обеспечения, в свою собственную практику, которая включает систематические подходы к проектированию, разработке, тестированию и обслуживанию. Это требует тщательного сочетания приложений и показателей для обеспечения полной осведомленности, точности и контроля. Это означает оценку всех аспектов работы команды с акцентом на постоянное совершенствование, и это применимо как к мэйнфреймам, так и к распределенным и облачным средам, а может быть и больше.

Это достигается за счет таких методов, как «инфраструктура как код» (IaC) для развертываний, автоматического тестирования, наблюдения за приложениями и полного владения жизненным циклом приложения. Благодаря многолетним исследованиям, Исследования и оценка DevOps (DORA) Команда разработчиков программного обеспечения определила четыре ключевых показателя, которые отражают эффективность работы команды разработчиков программного обеспечения:

• Частота развертывания – Как часто организация успешно выпускает в производство
• Срок внесения изменений – Количество времени, которое требуется коммиту для запуска в производство.
• Изменить частоту отказов – Процент развертываний, вызывающих сбой в производстве.
• Пора восстанавливать сервис – Сколько времени требуется организации, чтобы оправиться от сбоя в производстве

Эти показатели обеспечивают количественный способ измерения эффективности и результативности методов DevOps. Хотя основное внимание при анализе DevOps уделяется распределенным и облачным технологиям, мэйнфреймы по-прежнему сохраняют уникальную и мощную позицию и могут использовать метрики DORA 4 для укрепления своей репутации двигателя коммерции.

В этом сообщении блога рассказывается, как BMC Software добавила в свой продукт возможности AWS Generative AI. BMC AMI zAdviser Enterprise. zAdviser использует Amazon Bedrock для обобщения, анализа и рекомендаций по улучшению на основе данных метрик DORA.

Проблемы отслеживания показателей DORA 4

Отслеживание показателей DORA 4 означает объединение чисел и размещение их на информационной панели. Однако измерение производительности — это, по сути, измерение производительности отдельных людей, что может вызвать у них ощущение пристального внимания. Эта ситуация может потребовать изменения организационной культуры, чтобы сосредоточиться на коллективных достижениях и подчеркнуть, что инструменты автоматизации улучшают опыт разработчиков.

Также важно избегать сосредоточения внимания на нерелевантных показателях или чрезмерного отслеживания данных. Суть метрик DORA заключается в том, чтобы сгруппировать информацию в основной набор ключевых показателей эффективности (KPI) для оценки. Среднее время восстановления (MTTR) часто является самым простым KPI для отслеживания: большинство организаций используют такие инструменты, как BMC Helix ITSM или другие, которые записывают события и отслеживают проблемы.

Учет времени выполнения изменений и частоты неудачных изменений может оказаться более сложной задачей, особенно на мэйнфреймах. Время выполнения изменений и ключевые показатели эффективности изменений (KPI) объединяют данные из коммитов кода, файлов журналов и результатов автоматического тестирования. Использование SCM на базе Git позволяет легко объединить эти идеи. Команды мэйнфреймов, использующие платформу DevOps на базе Git от BMC, AMI DevX, могут собирать эти данные так же легко, как и распределенные команды.

Обзор решения

Amazon Bedrock — это полностью управляемый сервис, который предлагает выбор высокопроизводительных базовых моделей (FM) от ведущих компаний в области искусственного интеллекта, таких как AI21 Labs, Anthropic, Cohere, Meta, Stability AI и Amazon, через единый API, а также широкий набор возможности, необходимые для создания генеративных приложений ИИ с безопасностью, конфиденциальностью и ответственным ИИ.

BMC AMI zAdviser Enterprise предоставляет широкий спектр ключевых показателей эффективности DevOps для оптимизации разработки мэйнфреймов и позволяет командам заранее выявлять и решать проблемы. Используя машинное обучение, AMI zAdviser отслеживает сборку, тестирование и развертывание мэйнфреймов в цепочках инструментов DevOps, а затем предлагает рекомендации на основе искусственного интеллекта для постоянного улучшения. Помимо сбора и составления отчетов по ключевым показателям эффективности разработки, zAdviser собирает данные о том, как внедряются и используются продукты BMC DevX. Сюда входит количество отлаженных программ, результаты тестирования с использованием инструментов тестирования DevX и многие другие данные. Эти дополнительные данные могут обеспечить более глубокое понимание ключевых показателей эффективности разработки, включая метрики DORA, и могут быть использованы в будущих усилиях по созданию искусственного интеллекта с Amazon Bedrock.

На следующей диаграмме архитектуры показана окончательная реализация zAdviser Enterprise, использующая генеративный искусственный интеллект для обеспечения обобщения, анализа и рекомендаций по улучшению на основе данных KPI метрик DORA.

Рабочий процесс решения включает в себя следующие этапы:

1. Создайте запрос агрегирования для получения показателей из Elasticsearch.
2. Извлеките сохраненные данные метрик мэйнфрейма из zAdviser, который размещен в Amazon Elastic Compute Cloud (Amazon EC2) и развернут в AWS.
3. Объедините данные, полученные из Elasticsearch, и сформируйте приглашение для вызова генеративного искусственного интеллекта Amazon Bedrock API.
4. Передайте запрос генеративного ИИ в Amazon Bedrock (используя модель Claude2 от Anthropic на Amazon Bedrock).
5. Сохраните ответ от Amazon Bedrock (документ в формате HTML) в Amazon Simple Storage Service (Amazon S3).
6. Запустите процесс отправки электронной почты по KPI через AWS Lambda:
   1. Электронное письмо в формате HTML извлекается из Amazon S3 и добавляется в тело письма.
   2. PDF-файл с ключевыми показателями эффективности клиентов извлекается из zAdviser и прикрепляется к электронному письму.
   3. Письмо отправляется подписчикам.

На следующем снимке экрана показано обобщение LLM метрик DORA, созданное с помощью Amazon Bedrock и отправленное по электронной почте клиенту с вложением в формате PDF, которое содержит отчет информационной панели KPI метрик DORA от zAdviser.

Ключевые выводы

В этом решении вам не нужно беспокоиться о том, что ваши данные будут раскрыты в Интернете при отправке клиенту AI. Вызов API к Amazon Bedrock не содержит никакой личной информации (PII) или каких-либо данных, которые могли бы идентифицировать клиента. Единственные передаваемые данные состоят из числовых значений в виде ключевых показателей эффективности метрики DORA и инструкций для операций генеративного ИИ. Важно отметить, что генеративный клиент ИИ не сохраняет, не изучает и не кэширует эти данные.

Команда инженеров zAdviser успешно реализовала эту функцию за короткий промежуток времени. Быстрому прогрессу способствовали значительные инвестиции zAdviser в сервисы AWS и, что немаловажно, простота использования Amazon Bedrock через вызовы API. Это подчеркивает преобразующую силу генеративной технологии искусственного интеллекта, воплощенной в API Amazon Bedrock. Этот API, оснащенный отраслевым хранилищем знаний zAdviser Enterprise и настроенный с использованием постоянно собираемых показателей DevOps для конкретной организации, демонстрирует потенциал ИИ в этой области.

Генеративный ИИ потенциально может снизить входной барьер для создания организаций, управляемых ИИ. В частности, большие языковые модели (LLM) могут принести огромную пользу предприятиям, стремящимся исследовать и использовать неструктурированные данные. Помимо чат-ботов, LLM можно использовать для решения различных задач, таких как классификация, редактирование и обобщение.

Заключение

В этом посте обсуждалось преобразующее влияние генеративной технологии искусственного интеллекта в виде API-интерфейсов Amazon Bedrock, оснащенных отраслевыми знаниями, которыми обладает BMC zAdviser, адаптированных с учетом конкретных показателей DevOps организации, собираемых на постоянной основе.

Проверьте Веб-сайт БМК чтобы узнать больше и настроить демо-версию.

Об авторах

Сунил Бемаркар является старшим архитектором партнерских решений в Amazon Web Services. Он работает с различными независимыми поставщиками программного обеспечения (ISV) и стратегическими клиентами в разных отраслях, чтобы ускорить их процесс цифровой трансформации и внедрение облачных технологий.

Видж Балакришна — старший менеджер по развитию партнеров в Amazon Web Services. Она помогает независимым поставщикам программного обеспечения (ISV) в разных отраслях ускорить процесс цифровой трансформации.

Спенсер Холлман является ведущим менеджером по продуктам BMC AMI zAdviser Enterprise. Ранее он был менеджером по продуктам BMC AMI Strobe и BMC AMI Ops Automation для Batch Thruput. До перехода на должность менеджера по продуктам Спенсер был экспертом по производительности мэйнфреймов. Его разнообразный опыт на протяжении многих лет также включал программирование на различных платформах и языках, а также работу в области исследования операций. Он имеет степень магистра делового администрирования со специализацией в области исследования операций в Университете Темпл и степень бакалавра наук в области компьютерных наук в Университете Вермонта. Он живет в Девоне, штат Пенсильвания, и когда не посещает виртуальные собрания, любит гулять с собаками, кататься на велосипеде и проводить время со своей семьей.