DevOps企业峰会:娱乐大厂迪士尼的DevOps转型之路

前言
在刚结束的伦敦DevOps企业峰会上,迪士尼公司的系统工程总监Jason Cox分享了公司背后的组织架构以及迪士尼公司的DevOps转型之路。
图片描述
作为一家拥有94年历史的娱乐大厂,迪士尼公司一直都将技术作为推动其娱乐产业发展的关键,但作为一家公众眼中的大型企业,公司内部如何能协作共进才是影响其规模扩张的重要因素。
挑战
如今,迪士尼公司在全球已拥有20万名员工,庞大的员工规模给公司带来了几乎无法克服的技术问题,想要协同增长必然会面临三大挑战:
挑战一:规模扩张
当数十台服务器突然间变成数以千计的服务器,这种数字化业务的扩张为开发团队带去了更多“救火”工作。
挑战二:响应速度
如今迪士尼的业务扩张势必带来用户的高效反馈需求,但被繁重的工作流程阻碍了开发团队,导致团队无法跟上业务需求。
挑战三:稳定性
服务器的稳定性问题根深蒂固,研发团队迫切需要弄清楚如何使系统配置自动化并受到良好控制。
问题
如何应对规模扩张、响应速度和稳定性带来的这三大挑战,对迪士尼公司来讲是一个需要认真反思的过程。体量和规模的庞大导致公司内部的流程和制度冗杂,这种对IT的阻碍需要从根本上思考应对之策。

首当其冲的阻碍便来自迪士尼公司的组织结构。迪士尼公司的架构中,动画工作室,消费者产品和互动,公园和支持以及媒体网络这四个不同的大型部门在技术上是相互独立的,甚至连它们的CTO都是相互独立。因而在迪士尼公司里,每个业务部门都有CTO,每个部门的自动化程度都不同。
对迪士尼公司来说,快速增长其实意味着跨公司的变化,这些不同的部门必须找到一种在文化和技术上相互交流的方式。所以他们开始了DevOps转型。
DevOps
DevOps 是开发和运营的结合,通常指企业规模下的敏捷软件开发。通常在以技术驱动型的大型企业实施DevOps模式是以改善这两个业务部门之间的沟通和协作为最终目标。

迪士尼公司便是如此。对迪士尼来说,采取DevOps的原则并将其应用于业务的各个部分,这不仅仅是一个技术变革,而是一个文化的变化。
举个例子,迪士尼的“玩具总动员”疯狂游戏屋很吸引消费者,光这个项目就使用了上百台服务器,过去员工每晚都要在闭园后花8个小时的时间手动更新每个服务器,现在只需要一个人便可以在30分钟内更新完整个舰队。
而另一方面,对运营来说,开发的同事开始更多地了解运营情况,以及如何与公司其他部门合作,这便使得他们能够持续提供服务。

再看另一个例子。迪士尼公司仅仅在美国就有220家迪斯尼商店,每个商店都有很多个销售设备。最终,迪士尼通过对销售点的配置管理和汇集,保证了每个店铺、每个员工都能够对图像验证保持一致性和精准识别。
DevOps并不仅仅只是简化了某些当前的操作,它还帮助了迪士尼的IT人员为未来的系统做好准备。比如,迪士尼星球大战公园的新功能即将开放,工程师们现在每天在实验室环境中进行多次构建和测试引擎。
DevOps还帮助迪士尼公司上云,包括ABC云端托管和迪斯尼电影的APP。在使用了公有云和容器之后,他们可以减少一半的成本同时还能获得更多的电影。
DevOps转型之路
如何引导DevOps的转变是如今每个企业都在考虑的问题,而对迪士尼公司来说,之所以能成功开展DevOps并带来今天的变化,有三个关键点:
1.合作
合作意味着必须打破孤岛,给团队形成一个共同的目标。
2.好奇心
如果你有一个新的想法,需要不断试验它,别放弃对想法的好奇与思考。
3.勇气
永远赤城,敢于挑战,不怕失败,即使失败也不要责怪。
不仅如此,对企业的领导者来讲,实施DevOps还需要应对领导力挑战,比如指挥与控制的策略,新的领导层如何引导新方向,以及意见相左者之间的偏见等。
因此,对迪士尼而言,只要把注意力集中在企业范围内,且未来的技术比现在的技术更好,然后建立起社区,那么科技必将继续推动企业的成功。

AI职场岗位替代风险与生产力研究数据集 本数据集聚焦人工智能对职场的双重影响,提供岗位替代风险评估与生产力增益两类预测目标,适合开展人力资源分析、AI对劳动力市场影响建模与组织行为研究。数据围绕职场岗位与任务结构展开,覆盖岗位类型、自动化暴露程度、AI工具采用情况、技能需求变化等职场数字化转型的核心维度,可将AI风险等级作为分类目标,也可将生产力提升幅度作为回归目标,开展双任务建模与对比分析。数据为干净规整的表格结构,无缺失值、无需多表关联,可直接用于Pandas、Scikit-learn等主流工具链;特征间存在非线性关系与交互效应,适合特征工程与模型调参进阶练习。典型应用场景包括:AI岗位替代风险预警、员工再培训需求识别、部门级AI采用度评估、生产力与数字化投入的关联分析,也可作为企业数字化转型研究与人力资源课程的教学案例。重要说明:本数据为Python生成的合成数据,仅反映生成规则而非真实职场统计,不可用于真实人事决策。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

【高分子材料工程】嵌件注塑结构设计与工艺优化:金属-塑料复合件界面强度及失效预防技术规范

内容概要:本文系统阐述了嵌件注塑(Insert Molding)的设计参数、模具关键技术及失效预防措施,聚焦黄铜H62或304不锈钢与PA66-GF30材料组合的基准工况,提供可用于工程图纸、DFM检查、模具验收和工艺规程的量化依据。内容涵盖工艺边界界定、材料匹配与界面力学分析、结构设计参数(如包覆壁厚、滚花、倒角)、模具设计要点(定位、浇口、排气、冷却)、工艺参数窗口、八大失效模式及其对策、验证验收标准以及量产控制要求,强调通过DFM仿真、模流分析和DOE试模优化工艺,并列出常见设计误区与纠正方案。; 适合人群:从事注塑产品设计、模具开发、工艺工程及质量管理的工程技术人员,尤其适用于汽车、电子、医疗等行业中具备1-3年及以上相关经验的研发人员; 使用场景及目标:①指导嵌件注塑零件的可制造性设计与结构优化;②支持模具设计评审与验收;③制定试模调机与量产工艺规范;④开展失效分析与质量改进; 阅读建议:此资源兼具理论机制与工程实践,建议结合实际项目对照查阅,重点关注包覆壁厚、预热温度、浇口布置等关键参数的取值边界,并在应用非基准材料时进行线膨胀系数与收缩率的换算修正,避免直接套用数据。

DevOps风向标!DevOps国际峰会正式启航

2018,DevOps,我们要的只有:落地、落地、落地!DevOps 最前沿的实践与技术有哪些?DevOps 在我所在的公司该怎么落地?同行业的公司都是如何实施 DevOps 的?DevOps 的落地与实践有没有一个权威的标准?你会找到答案DevOps 国际峰会有什么与众不同?DevOps 国际峰会(DevOps International Summit,缩写:DOIS)是国内唯一的国际性 Dev

高效运维 1283

智慧医共体AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

智慧医共体AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

5 大 DevOps 工具,看看你用过几个?

传统开发和运维之间存在着难以调和的矛盾:开发希望尽快地创建更多新功能,满足客户需求,这是他们的本职工作;但对运维来说,新功能意味着变化,变化意味着不稳定,这又和自己的工作背道而驰。这种矛...

实验楼 1767

AI政务大模型数字人平台规划方案(生态合作版).pptx

AI政务大模型数字人平台规划方案(生态合作版).pptx

航空航天行业可信数据空间应用规划方案专项申报版.pptx

航空航天行业可信数据空间应用规划方案专项申报版.pptx

为什么大厂一定要用DevOps

目前很多大厂如阿里、腾讯、百度、头条、滴滴、美团等公司内部都在做DevOps,那么DevOps是什么?为什么大厂都对其趋之若鹜?DevOps应该怎么做? 首先我们来讲讲DevOps是什么? DevOPs是一种方法论。DevOps=Developers+Operators,即开发团队和运维团队一体化,尽可能的为公司创造更多价值。 现在流行的做法是将两个职能部门的人融合为一个职能部门,实现开发运维一体化,而早期的时候是两波人分别承担不同的职能,中期的时候是要求两波人密切配合、快速迭代,这中间的..

AI课工场 408

气象服务行业可信数据空间应用规划方案(专项申报版).pptx

气象服务行业可信数据空间应用规划方案(专项申报版).pptx

【干货合集】从菜鸟到老司机,20篇文章带你了解DevOps!

原文链接:点击打开链接摘要: 流行技术大狂欢,5月29日即将召开的第二届研发效能嘉年华,带来了前沿技术理念及实践技术成果分享。本次峰会将有10位技术大咖进行干货分享,多角度,不同领域的带领大家了解高效研发。如今,虽然业内还并未对DevOps的定义达成共识。但是几乎每个行业机构和组织都制定了一套自己的DevOps实践。他们以为只要进行自动化、配置管理和敏捷开发,就算是真正意义上了解并实践了DevOp...

qq_42154484的博客 1012

AI政务大模型数字人平台规划方案(决策评审版).pptx

AI政务大模型数字人平台规划方案(决策评审版).pptx

14-15日周末听写音频.mp3

14-15日周末听写音频.mp3

devops_迪士尼如何组织DevOps过渡

有关为敏捷性设计企业架构的讨论通常始于对新技术的考虑。 沃尔特迪斯尼公司系统工程总监杰森·考克斯说,但这只有在企业制定了支持他们的流程和政策的情况下才有效。 Cox表示,传统敏捷性概念的悲剧之一在于对速度的追求,而没有能够滋养开发人员和支持他们的人的流程。 当考克斯加入小组时,他们处于不间断的消防模式。 他们开始赞美“英雄”,他们在马拉松运动中数小时不睡觉。 但是随着时间的流逝,这些英雄已经...

服务器编程交流平台 591

图腾柱无桥PFC变换器+平均电流控制+PI电压双闭环前馈控制设计(Simulink仿真实现)

内容概要:本文系统研究了图腾柱无桥PFC变换器的高效率控制策略,采用平均电流控制结合PI电压双闭环前馈控制,利用Simulink平台构建完整的系统仿真模型,涵盖主电路拓扑、控制环路设计、关键参数计算及动态性能验证。研究重点在于提升功率因数、降低输入电流谐波含量,并确保输出电压的高度稳定性。通过仿真分析,全面评估了系统在启动、稳态运行及抗干扰等方面的性能表现,充分展现了现代电力电子变换器在高效能、高可靠性方面的先进控制技术应用; 适合人群:具备一定电力电子技术基础和Simulink仿真能力的电气工程及相关专业的研究生、科研人员及企业研发工程师; 使用场景及目标:①研究高效率PFC变换器的控制策略;②掌握图腾柱无桥PFC电路的工作原理与建模方法;③开展新能源、电动汽车充电、工业电源等领域中高性能整流器的技术开发与性能优化; 阅读建议:建议读者结合Simulink仿真模型同步操作,重点关注控制环路的设计细节与参数整定过程,深入理解平均电流控制与双闭环前馈控制的协同机制,同时可拓展至不同工况下的性能测试以增强工程实践能力。

2017 GDevOps峰会总结—DevOps文化

说起DevOps,无非是网络上的几张经典诠释图了。 首先,从软件生命周期的工作人员说起。 DevOps强调了个体之间的互动是非常重要的。 DevOps下的人员关系是这样的: DevOps从对于人来说就是协作、交流、去隔阂,从而达到提高软件生态流程的效率 。 然后就是DevOps流程环,实现软件生态链的闭环: 也可以这样表示:

探索世界,改变世界 1651

V2G电动汽车ACDC整流+双向CLLC谐振变换器充放电仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于Simulink的V2G电动汽车ACDC整流与双向CLLC谐振变换器充放电仿真系统的设计与实现。该系统融合了AC-DC整流技术与高效的双向CLLC谐振变换器,实现了电动汽车与电网之间的能量双向流动,既支持电网向车辆充电(G2V),也支持车辆向电网放电(V2G),显著提升了电网的灵活性、稳定性与能源利用效率。文章深入阐述了系统的拓扑结构、工作原理、关键参数设计及变频控制策略,并通过完整的仿真模型构建与实验验证,证明了该方案在充放电过程中的高效率、平滑的功率转换特性以及优良的动态响应性能。此外,文中还系统性地列举了多种相关电力电子变换器(如LLC、PFC、Buck-Boost等)及其先进控制技术(如双闭环、模型预测、下垂控制等)的应用实例,充分展现了该领域深厚的技术背景与广阔的发展前景。; 适合人群:电气工程、自动化、电力电子与电力传动及相关专业的研究生、科研人员及工程师,特别是从事新能源汽车、智能电网、电力电子变换器设计与控制、储能系统集成等方向的专业人士。; 使用场景及目标:①为V2G(Vehicle-to-Grid)技术的深入研究与工程化应用提供坚实的理论依据和技术支持;②为各类高频高效电力电子变换器(尤其是谐振类变换器)的建模、设计与控制优化提供极具参考价值的案例;③推动新能源汽车与智能电网的深度融合,促进清洁能源的消纳与能源互联网的建设。; 阅读建议:读者应具备扎实的电力电子学、自动控制理论基础以及Simulink/Matlab软件的操作能力。建议结合具体工程项目需求,深入理解文中的系统架构与控制算法,并动手实践仿真模型的搭建与调试,以加深对V2G能量管理机制的理解。同时,鼓励读者进一步探索文中未深入探讨的边界工况,如极端环境下的系统可靠性、长期运行的耐久性以及大规模V2G集群对电网的综合影响等前沿课题。

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究(Matlab代码实现)

内容概要:本文系统介绍了基于Matlab/Simulink平台的状态估计算法研究与实现,重点涵盖无迹卡尔曼滤波(UKF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF)等经典非线性滤波方法的理论基础、算法推导及代码实现。结合BP神经网络与EKF的融合训练、无人机轨迹估计等实际案例,深入探讨了这些滤波算法在复杂非线性系统状态估计中的应用效果。同时,文档整合了智能优化算法、机器学习、信号处理、电力系统仿真等多个领域的丰富Matlab代码资源,构建了一个面向科研与工程实践的综合性技术资料库,旨在为相关领域的研究人员和技术开发者提供全面的技术支持与实践参考。; 适合人群:具备一定Matlab编程基础,从事自动化、电气工程、控制科学与工程、信号处理、机器人、航空航天等相关领域的科研人员、研究生及工程技术人员。; 使用场景及目标:①深入理解并掌握UKF、EKF、PF等主流状态估计算法的核心原理与Matlab实现方法;②学习如何将卡尔曼滤波技术应用于神经网络训练、无人机姿态与轨迹估计、目标跟踪等复杂非线性问题;③获取并复用大量高质量的Matlab仿真代码,服务于科研项目复现、课程设计、毕业设计或工程项目开发。; 阅读建议:此资源以Matlab代码为核心,理论与实践紧密结合,建议读者在学习过程中务必动手实践,结合代码进行仿真调试。应重点关注滤波算法的数学模型构建、状态转移与观测方程的设计、噪声协方差的设置,以及不同算法在特定应用场景下的性能对比分析,通过反复实验来深化对状态估计技术内在机理的理解与应用能力。

多目标粒子群算法求解综合能源系统最优容量配置研究(Matlab代码实现)

内容概要:本文研究了多目标粒子群算法(MOPSO)在综合能源系统最优容量配置中的应用,并提供了基于Matlab的代码实现。研究构建了一个包含风能、太阳能、火电、压缩空气储能、抽水蓄能及电化学储能等多种能源形式的区域电网模型,引入IEEE39节点系统进行潮流计算与电能质量分析,旨在实现对系统中各类设备容量的多目标优化配置。该方法综合考虑经济性、负荷峰谷差、碳排放强度等多个关键优化目标,利用MOPSO算法求解得到一组帕累托最优解集,为决策者在不同偏好情境下提供多样化、权衡性的规划方案,增强了资源配置的科学性与灵活性。; 适合人群:具备一定电力系统、能源规划基础知识和Matlab编程能力的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决综合能源系统中多类型电源与储能设备的容量规划与选型问题;②实现兼顾经济效益、电网运行平稳性与低碳环保的多目标协同优化设计;③为能源规划部门提供基于智能优化算法的仿真分析工具,辅助制定科学的能源基础设施建设方案。; 阅读建议:读者应重点关注多目标优化问题的数学建模过程,包括目标函数与约束条件的构建,以及MOPSO算法的实现细节。建议结合提供的Matlab代码进行调试与算例复现,通过调整参数和观察帕累托前沿的变化,深入理解算法在复杂能源系统规划中的求解机制与应用价值。

Verilog实战:手把手教你实现IEEE 754单精度浮点乘法器(附完整代码)

本文详细介绍了如何使用Verilog实现IEEE 754单精度浮点乘法器,包括标准解析、架构设计、Verilog代码实现及优化技巧。通过两级流水线设计,平衡性能与面积,适用于数字信号处理、AI加速器等高性能计算场景。

weixin_33724046的博客 315
上一篇: Kubernetes1.7发布,可扩展性和网络通信策略
下一篇: 【企业学习】在这个“云”先行的时代,企业如何系统管理云服务商
ghostcloud精灵云
博客等级 码龄11年 81粉丝 88原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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