2、敏捷方法与DevOps:提升应用开发效率的关键

敏捷方法与DevOps:提升应用开发效率的关键

在当今快节奏的世界中,IT 组织若想为客户提供更优质的服务,并在市场中更具竞争力,就需要更快地交付变更和服务。减少“上市时间”成为快速变化的商业环境中的首要目标。为了实现这一目标,传统的交付方法和手动实践可能不再高效,因此变革交付流程和底层技术变得至关重要。本文将探讨在没有 DevOps 的情况下应用开发的现状、面临的挑战,以及引入 DevOps 带来的好处和实施方法。

1. 无 DevOps 世界的应用开发

在深入了解 DevOps 之前,我们先看看没有 DevOps 时应用开发和维护的情况。以资本市场领域的在线股票交易应用 TradeLive 为例,它是一个正在生产环境中为客户服务的现有应用。

1.1 股票交易业务基础
  • 股票定义 :股票是公司所有权的商品化份额。
  • 股票获取方式 :股东可以直接从公司或其他股东处购买股票。
  • 交易场所 :股票买卖或交易的地方称为交易所。
  • 交易产品 :交易所不仅交易股票,还交易股票衍生产品。
  • 交易渠道 :交易所通过经纪人提供买卖股票和衍生产品的便利,许多经纪人提供多种交易渠道,如呼叫中心、桌面应用程序、移动应用程序等。在线股票交易应用就是其中一种互联网应用,交易者可以在任何支持的设备上使用。
1.2 交易活动对应用开发和维护的影响
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值