15、数字化转型中的AI赋能DevOps与NoOps之路

数字化转型中的AI赋能DevOps与NoOps之路

1. AI赋能DevOps概述

AI、机器学习（ML）和深度学习能够助力解决诸多问题，由此催生了AI赋能的DevOps。其所需的组件如下：
- 对源代码仓库的访问与控制
- 用于建模的数据湖和数据集市
- 集成AI的管道

1.1 创新策略金字塔

现代企业大多正积极推进业务的数字化转型。客户对新功能的需求持续增长，且期望能迅速获得。企业需制定创新策略以实现快速创新，该策略可形象地用金字塔表示，AI驱动的创新处于金字塔顶端。
企业实现这一目标并非一蹴而就，通常从底层开始，以节约成本为创新驱动力。随后，需逐步推进，借助AI和ML实现快速创新。

1.2 前期关键步骤

前期步骤通常包括寻找预算，可通过采用能大幅节省成本的技术来实现，例如迁移到新平台。平台的选择至关重要，企业需确保所选平台具有可持续性，并规划好相关创新以推动数字化转型。公共云平台是不错的选择，它不仅提供托管服务，还支持使用云原生技术，并能与DevOps、AI和ML集成。

另一个重要步骤是收集和利用数据。AI和ML依赖数据，需对数据进行聚合以用于分析和训练数据模型。数据是企业最宝贵的资产之一，此步骤耗时较长。聚合数据并非将所有数据集中到一个数据湖中，而是需要构建不同的数据集。架构师需思考如何高效创建这些数据集，避免企业内的数据孤岛问题。同时，数据安全也不容忽视，如数据的访问授权、防止数据泄露等。企业需要建立统一的数据分类系统。

2. 利用AIOps监控管道

2.1 管道原理

管道可视为一种工作流，它引导