DevOps 自动化脉动：DevOps 自动化的现状

2023年版 前言 随着企业继续向云原生软件交付过渡，DevOps自动化已从提高效率的驱动力发展成为一项战略.要务。Kubernetes架构的盛行推动了对自动化生态系统协调的需求，因为技术环境已经完全超出.了人类的管理能力。 为了最有效地实现DevOps自动化用例，需要以可扩展和隐私优化的方式将数据收集和分析整合到单一平台上。这种方法需要将安全作为可观测性的一部分进行集成，并在上下文中统一这些数据，涵盖开发、安全和操作实践，以消除孤岛，确保不同类型的AI能够提供更精确、更可信的答案。 为了满足这一需求，各组织正在尝试使用越来越多的开源工具，并将其与日益复杂的DIY方法结合在一起。然而，这种各自为政的做法现在开始出现裂痕。各组织被数据孤岛、.孤立的单一事件驱动自动化和被动的运营所束缚。 不断上升的成本压力使人们更加迫切需要一种更连贯、更智能的企业级自动化方法，以提高效率并减少支出浪费。为了支持这一工作，各组织正在寻求数据驱动的自动化，使其能够更好地响应业务需求。他们的目标是通过预测性操作、先发制人的补救和持续优化，从被动转变为主动。 只有这样，团队才能获得所需的精确答案，从而满怀信心地自动执行DevOps工作流程，而不会陷入利用数据流分析来核实洞察内容的困境。 本报告为了解各全球组织当前DevOps自动化实践的成熟度提供了一个窗口，并为组织迈向下一阶段的旅程提供指导。调查结果基于来自世界各地各行业组织的450名DevOps自动化从业人员的反馈。 只有通过强大的分析能力，在多种数据模式和最适合特定DevOps自动化用例的AI方法的支持下，才能实现这一点。 组织需要一种可以在IT环境实时变化时持续即时地了解环境现状的AI，以提供基于事.实的准确洞察。传统的基于机器学习的方法将无法满足这一需求，因为它们需要时间进.行训练。不过，这些方法可以满足对AI的额外需求，因为AI可以根据历史数据预测未.来状态。此外，组织还需要一种可以利用这些洞察来创建有意义的建议和自动化工作流.程的AI。 我们希望这些见解能为您提供信息和帮助，帮助您在自己的组织中提升DevOps自动化的成熟度。 —Bernd GreifenederDynatrace创始人兼首席技术官 目录 引言内容摘要............................................................................................4 DevOps自动化的未来.....................................................................31 第1章DevOps自动化的现状.......................................................................5 研究方法..........................................................................................41 第2章DevOps自动化的影响.....................................................................16 DevOps自动化成熟度模型.............................................................43 如何提升DevOps自动化成熟度.....................................................45 克服阻碍DevOps自动化成熟的障碍..............................................22 内容摘要 本报告基于对不同行业450名IT从业人员的调查，简要介绍各全球组织的DevOps自动化成熟度。本报告探讨了DevOps自动化如何发展，迄今已经取得的效益，.以及进一步采用的障碍。本报告还揭示了随着组织寻求提升其DevOps自动化实践的成熟度，未来的前景将会如何。 我们将深入探讨的一些重要调查结果包括： 自动化投资带来的效益 自动化采用的障碍 DevOps自动化的现状 DevOps自动化的未来 •..平台工程和GitOps实践对DevOps自动化的成熟度越来越重要，超过一半(54%)的组织在.这一领域进行了投资。•..59%的组织预计大型语言模型(LLM)，.如ChatGPT和Bard，将对DevOps自动化产生重大影响。为了实现这一点，他们需要将这些生成式AI能力与其他类型的AI相结合，以提供精确性和预测性。 •..由于对安全(54%)和工具链复杂性(53%)的担忧，各组织在进一步实现DevOps自动化方面受到了阻碍。•..对于87%的组织来说，数据孤岛仍然是DevOps自动化的障碍，使他们无法经济.高效地查询数据来获得实时洞察。 •..各组织正在继续投资DevOps自动化，但还有很长的路要走，因为目前只有56%的端到端DevOps流程实现自动化。•..工具链的复杂性阻碍了各组织在整个企业中扩展DevOps自动化的能力，因为团队平均依赖7种以上不同的工具。 •..DevOps自动化投资在多个关键领域带来了实实在在.的效益，包括提高软件质量(61%)、提高员工满意度(58%)、减少部署失败次数(57%)、降低IT成本(55%)。•...各组织寻求从DevOps自动化中取得的其他预期效.益包括：改进分析和洞察(59%)、缩短上市时间(49%)以及改善开发、安全和运维之间的协作(44%)。 第1章 DevOps自动化的现状 56%—已实现端到端DevOps流程自动化的平均比例 在成本上升和消费者信心减弱的动荡经济环境中，IT领导者承受着越来越大的压力，.他们需要以更少的成本提供更多的服务，以保持组织在竞争中领先。 因此，随着各组织寻找在不增加支出、不牺牲质量或安全的情况下加快创新的.方法，DevOps自动化变得比以往任何时候都更具战略必要性。 9—端到端DevOps管道中人工干预（包括审批和安全）的次数 各组织在DevOps自动化之旅中取得了重大进展，超过一半的端到端DevOps流程已经实现自动化。但是，仍有许多工作要做。 与大型组织相比，小型组织往往处于更基础的阶段。 •.他们的端到端DevOps流程自动化程度较低•.他们的团队必须更频繁地人工干预才能完成任务•.他们的软件工程师修复生产应用程序问题所需的时间是原来的两倍多 9—软件工程师修复生产应用程序问题所需的平均小时数 各组织中已实现端到端DevOps流程自动化的总百分比 各组织中完整端到端DevOps管道中的人工干预次数 软件工程师修复组织中生产应用程序问题所需的平均时间长度（小时） “ DevOps自动化对于组织能否与客户和瞬息万变的市场保持同步至关重要。通过自动化.减少工作量并最大限度地降低工具链复杂性，使开发人员能够专注于他们最擅长的事情，即进行创新，为业务带来价值。” Hilliary Lipsig，RedHat首席现场可靠性工程师 “ DevOps自动化是加强我们日常工作管理和提高可靠性的关键组成部分。我们正在.塑造卓越运营文化，使员工能够从事更有意义的工作，并为公司提供更深层次的价值。” Trevor Pratt，首席IT架构师.Duke Energy 各组织面临的挑战 自动化脆性普遍存在。 随着各组织继续推动其他DevOps流程的自动化，他们依赖于越来越多的工具集，.以及操作这些工具集所需的专业技能。 不同的团队使用各自首选的工具为其用例创建自动化脚本，通常采用复制粘贴方法.在不同的工作流程中复制自动化。 平均而言，各组织使用7.5个工具来支持DevOps自动化 需要专业技能. 工具集数量日益增加 才能操作 随着团队在整个组织的孤岛中生成多个自动化脚本的副本，自动化会变得脆弱，技术.债务也会增加。当有人离开组织或有新团队成员加入时，这也增加了理解和修改自动.化脚本的难度，因为这些脚本通常由创建者拥有和管理。因此，在DevOps生命周期.中整合端到端自动化流程的工作会受到阻碍。 为了最大限度地发挥投资影响，组织必须避免在孤岛中将流程自动化。他们应该寻找.机会，通过基于平台的方法来优化端到端流程，从而整合工具并规范自动化脚本的构.建实践。 技术债务 操作复杂，.难以管理自动化脚本 日益增加. “.在我们的DevOps环境中浏览工具网就像试图解开一个结。.我们需要一种更精简的自动化方法，该方法应可简化我们的开发、.交付和运维流程，使其更高效。” Alex Hibbitt，SRE和履行工程总监.Albeli-photobox Group 各组织使用的最热门DevOps自动化工具/平台包括： 的组织表示，可观测性驱动型自动化带来了更迅速的事件响应和更快的解决时间78% 的组织表示，可观测性使他们能够自动进行发布验证，.在将软件投入生产之前提高软件的安全和质量 78% 可观测性是DevOps自动化的先决条件 自动化的精确度取决于其所依据的数据。因此，在DevOps自动化的背景下，可观测性已成为基本条件。可观测性数据为深入了解应用程序及其基础架构的稳定性、性能和用户体验提供了丰富的见解来源。当与安全数据和业务事件（如购物车废弃率和用户满意度）相结合时，这些见解会因上下文而进一步丰富，从而在各种DevOps用例中实现更精确的AI驱动自动化。 的组织表示，可观测性工具帮助他们识别瓶颈并实现交付管道自动化 74% 随着各组织继续投资于大规模捕获、保留和查询这些数据的能力，他们能够将DevOps实践提升到新的高度，带来更高的效率，增强服务的稳定性，并提高用户满意度。 的组织表示，他们积极利用可观测性数据和见解来.推动DevOps工作流程的自动化决策和改进71% 自动化投资的主要优先事项 随着业务需求的不断增加以及可用资源的有限，DevOps团队必须专注于尽快有效地实现高质量、安全的创新。这促使在软件开发生命周期(SDLC)的所有领域，从安全管理到基础设施运维，从软件开发和交付到可观测性，加大对自动化和EaC（一切皆代码）方法的投资。然而，各企业都处于DevOps自动化成熟度的不同阶段。这造成了DevOps团队工作重点的多样性，并且必须确定哪些流程是DevOps自动化投资的优先事项。 第2章 DevOps自动化的影响 成功的衡量标准 如果各组织不首先衡量DevOps自动化现有投资的影响，就不可能确定需要改进的领域。因此，DevOps领导者正在采用一系列关键性能指标(KPI)和服务级别目标(SLO)来评估其自动化工作是否成功。 然而，在衡量自动化的影响方面，大多数组织仍处于成熟度相对早期的阶段。随着组织规模的缩小，他们不太可能有一个稳健的投资回报率(ROI)模型，使他们能够高效地跟踪和报告DevOps自动化的影响。 只有35%的组织拥有ROI模型来跟踪其DevOps自动化投资的影响* 因此，规模较小的组织更难确保将精力集中在DevOps自动化能带来最大价值的领域，这反过来又阻碍了他们与竞争对手保持同步，并以市场和客户要求的速度进行创新的能力。 拥有ROI模型来衡量其DevOps自动化投资影响的组织* DevOps自动化的价值 各组织报告称，他们在DevOps自动化方面的投资正在以多种方式获得.回报，从提高软件质量、提高竞争优势到提高员工满意度、打造创新和协.作文化。 值得注意的是，59%的组织表示，DevOps自动化提高了分析和洞察力，.使他们具备了有价值的数据驱动决策能力。 然而，“垃圾进，垃圾出”这句谚语仍然适用。为了获得充分效益，各组织需要保持数据的准确性，并授权其团队以保留不同类型和数据源之间关系和依赖性的完整上下文的方式