[ad_1]

DevOps فقط آغاز کار بود. سازمان ها اکنون انواع دیگر عملیات عملیاتی را در داخل و خارج از فناوری اطلاعات پذیرفته اند. اما آیا آنها این نکته را از دست می دهند؟

BizOps ، MarketingOps ، DevOps ، AIOps ، MLOps ، DataOps. همانطور که از نام ها پیداست ، همه آنها چند منظوره هستند ، اما آیا شرکت ها به همه آنها ، بعضی از آنها یا هیچ کدام نیاز ندارند؟ این به دیدگاه فرد بستگی دارد. واضح است که سازمانها بر اساس صنعت ، اندازه ، سن ، فرهنگ ، پذیرش فناوری و بودجه در مراحل مختلف بلوغ قرار دارند. با این حال ، سازمان ها به طور فزاینده ای به مزایای آنچه انواع مختلف خدمات عملیاتی ارائه می دهند ، نیاز دارند.

تصویر: metamorworks - stock.adobe.com

تصویر: metamorworks – stock.adobe.com

مانند DevOps ، انواع مختلف Ops برای سرعت بخشیدن به فرآیندها و بهبود کیفیت آنچه ارائه می دهند ، هدف دارند: نرم افزار (DevOps). داده (DataOps) ؛ مدل های هوش مصنوعی (MLOps) ؛ و آمار تحلیلی (AIOps). برخی انواع مختلف سیستم عامل را مهم می دانند زیرا تجربه مورد نیاز برای هر نوع متفاوت است.

دیگران آن را صرفاً تبلیغات ، به ویژه بازنویسی آنچه در حال حاضر وجود دارد ، می دانند و / یا این خطر وجود دارد که تکه تکه شدن ایجاد شده توسط همه گروه های مختلف ، دیوان سالاری اضافی ایجاد کند که مانع از تحویل سریع ارزش می شود.

XOps با DevOps شروع شد

مدتی است که شیوه های توسعه نرم افزار چابک در تجارت در حال پیشرفت است. از طلوع هزاره ، به رهبران مشاغل گفته شده است كه شركتها فقط برای ادامه رقابت باید چابك تر باشند.

در همین حال ، بسیاری از تیم های توسعه نرم افزار چابک از DevOps استقبال کرده اند و با اتخاذ یکپارچه سازی مداوم / تحویل مداوم (CI / CD) ، که وظایف اضافی را به طور خودکار انجام می دهد تا خط لوله کامل را به طور خودکار انجام دهد ، گام بیشتری را برداشتند و این امر باعث ایجاد دید و جریان روان تر از آبشار سنتی می شود. انتقال مانند DevOps ، DataOps ، MLOps و AIOps نیز فعالیتهای متقابل و متمرکز بر بهبود مستمر ، کارایی و بهبود فرآیند هستند.

چشم انداز XOps

چشم انداز Ops همچنان در حال گسترش است ، اما این مقاله به طور خاص بر روی DataOps ، MLOps و AIOps تمرکز دارد.

DataOps یک روش فرآیند محور است که با استفاده از اتوماسیون سرعت کارهای مربوط به داده و در نهایت کیفیت بینش را بهبود می بخشد. با توجه به Arvind Prabhakar ، CTO DataOps StreamSets ، DataOps اجازه می دهد تا انعطاف پذیری مدیریت تغییر را برای شرکت هایی با زیرساخت های داده پیچیده فراهم کند.

“تعداد افراد در زنجیره تامین داده از پشت بام عبور کرده است ، بنابراین اکنون شما در حال بررسی سازمانی مدرن هستید که سعی در مقابله با آن را دارد. فقط در سطح زیرساخت های داده ، یک مرتبه از اندازه پیچیده تر از گذشته است. 10 سال ، “پرابهار گفت.

آرویند پرابهاکار ، StreamSets

آرویند پرابهاکار ، StreamSets

مانند DevOps ، DataOps شامل تکرار ، اندازه گیری و نظارت سریع برای تسهیل درک پایان از پایان است. نقش کلیدی در اینجا مهندس داده است. و در شرکتهایی که آنها را دارند ، مدیر ارشد داده (CDO) می خواهد بهینه سازی فرآیند را که اطمینان از اطمینان و مدیریت داده را تضمین می کند ، تحریک کند.

MLOps ایجاد مدل های یادگیری ماشین ، پیاده سازی و کار در تولید را بهم متصل می کند. DataOps و MLOps نزدیکتر از AIOps در نظر گرفته می شوند زیرا AIOps فرایند (برنامه) سطح بالاتری نسبت به دو مورد دیگر است.

شرکت مشاور مدیریت و فناوری Booz Allen Hamilton با مشاهده مفاهیم DevOps و پرسیدن نحوه استفاده از آنها در MLOps ، سفر خود را در MLOps آغاز کرد.

“شما باید فن آوران ، معماران داده ، مدلسازها را گرد هم آورید [and] کارشناسان امنیتی “، گفت: جان لارسون ، معاون ارشد Booz Allen و رهبر تحلیلگر تجارت.. “در این چارچوب مدل سازی ، فکر کردن در مورد ساختن چیزی که باید ظرف شود تا مقیاس پذیر و قابل استفاده باشد ، شهودی نیست. اولین اصل مدل سازی معمولاً الگوریتم من چیست؟”

Booz Allen با استفاده از MLOps از عملکرد و رانش مدل در زمان واقعی و همچنین اینکه آیا مدل مطابق با هدف اجرا شده است ، آگاه می شود.

لارسون گفت: “آنچه ما تأكید می كنیم اهمیت نسخه داده ، نسخه مدل و پیاده سازی آن است.” “این ادغام MLOps با DataOps و DevSecOps در یک چارچوب DevOps به شما امکان می دهد این نوع بینش ها را بدست آورید. من فکر می کنم مهم است که مقیاس کاری را که انجام می دهیم و درک آنچه را انجام می دهیم درک کنیم زیرا به ما مکانیسم ها ، ابزارها ، قابلیت ردیابی درک کنید که هنگام اجرای مدل چه اتفاقی می افتد ، چگونه حرکت می کند ، چگونه تازه می شود. “

جان لارسون ، بز آلن همیلتون

جان لارسون ، بز آلن همیلتون

تعریف گارتنر از AIOps این است که “این داده های بزرگ و یادگیری ماشین را برای اتوماسیون عملیات IT ، از جمله همبستگی رویداد ، تشخیص ناهنجاری و علیت ترکیب می کند.”

مزیت اصلی AIOps اطلاعات عملی است. در واقع ، AIOps به طور خاص از تجزیه و تحلیل سود می برد.

از طرف دیگر ، آیا XOps فقط مسحور است؟

چارلز بتز ، تحلیلگر ارشد فارستر ، توصیه می کند که درگیر سر و صدای XOps نشوید.

“این نوعی وزوز معمول است و مردم ایده هایی را به دیوار می اندازند تا ببینند به چه چیزی می چسبد ، بنابراین من واقعاً نگران این نیستم که BizOps ، DevOps ، DevSecOps ، BizDevSecOps ، بازاریابی Ops. این همه اساساً انجام همان چیز و همین. حرکت به سمت روشی چند منظوره در کار ، “بتز گفت.

یکی از دلایل عدم پیگیری انواع مختلف Ops ، مغایرت آن با روند کارکنان فناوری اطلاعات است. به طور سنتی ، تخصص چیز خوبی تلقی می شد ، اما به طور مدرن تر ، نقش های فناوری اطلاعات در حال گسترش هستند (به عنوان مثال ، یک توسعه دهنده پشته کامل یا یک مهندس قابلیت اطمینان سایت). در واقع ، متخصصان مدرن منابع انسانی خواهند گفت که داشتن یک مهارت یا ترکیب مناسب از یک گروه یا تیم مهمتر از ترکیب مناسب عناوین یا نقش هاست.

“شرکتهای بزرگ به من می گویند که آنها یک مشکل هماهنگی دارند. من در همان هفته دو معاون ارشد رئیس جمهور به من گفتند:” من برای هر تیم محصول مدیر داده کافی ندارم تا آنها را بدست آورم. ” [one] بنابراین در نهایت با مشکلی در سرویس های مشترک روبرو خواهیم شد. “بتز گفت.” این نیاز به تخصص دارد و نحوه حل این مشکل بدون بازگشت به روزهای بد گذشته ، شش ماه طول می کشد تا کسی در صورت نیاز به چیزی با من تماس بگیرد. به همین دلیل است که مردم خواهان جهانی متقابل هستند. “

بتز همچنین معتقد است که روش های اسکرام و چابک باید جهت گیری درستی داشته باشند و به طور پیش فرض باید تیم محصول باشد.

چارلز بتز ، فارستر

چارلز بتز ، فارستر

بتز گفت: “در حالت ایده آل ، تیم محصول منابع و مصوبات لازم برای انجام کار را دارد. شما یک مدل عملیاتی ندارید که به مبادلات و معاملات متکی باشد ، شما یک مدل عملیاتی متکی به همکاری دارید. “نکته اصلی همه اینها این است که مدل عملیاتی از فرایندهای بالاسری با معاملات بالا به همکاری خالص بین این تیمهای متمرکز می چرخد ​​، و اصطکاک فرآیند و معامله استثنا است ، نه قاعده.”

اگرچه استدلال هایی وجود دارد که انواع مختلف عملیات به انواع مختلفی از تجربه نیاز دارند ، اما مراقب پیچیدگی و بوروکراسی غیرضروری باشید.

بتز گفت: “شواهد زیادی وجود دارد که نتایج فرآیند ازدحام را در هنگام تخصص بیش از حد انجام می دهید.” “شما یک دسته از مدیران میانی دارید و همه آنها سعی در افزایش پادشاهی خود دارند زیرا حقوق شما به تعداد افرادی که به شما گزارش می دهند گره خورده است.”

در نهایت ، Betz عناصر XOps را بیش از یک مجموعه اصطلاحات مورد استفاده برای اهداف بازاریابی داخلی در نظر نمی گیرد.

“من به آن اعتراض ندارم ، اما من علاقه ای ندارم و صبر زیادی برای آن ندارم ، زیرا روند عمیق تر این روند به سمت مدل های مشترک بیشتر تیم های تولیدی است. [in which] روند اصطکاک یک استثنا است ، “بتز گفت.” و در بسیاری از موارد ، بیشترین اصطکاک در معاملات بین کسانی است که ایجاد می کنند ، کسانی که کار می کنند و واکنش نشان می دهند ، بنابراین به همین دلیل همه این موارد XOps هستند. “

ردیف پایین

در مشاغل امروزی ، انواع بیشتری از سازمان های شبه DevOps در حال شکل گیری هستند و فروشندگان با راه حل هایی مانند DataOps پاسخ می دهند. با این وجود ، از نظر رقابتی ، داشتن فرصت های مناسب مهمتر از آن چیزی است که آن توانایی ها می نامند. با توجه به منحصر به فرد سازمانی از یک شرکت به شرکت دیگر ، هر کسب و کار XOps فکر می کند از یک شرکت به شرکت دیگر ، مانند DevOps متفاوت باشد.

این مقالات را در DataOps ، MLOps و AIOps دنبال کنید:

معنی AIOps برای آینده کار از راه دور چیست

مقیاس یادگیری ماشین خود را با MLOps

چرا DataOps یک روند عمده کیفیت برای سال 2020 است

لیزا مورگان یک نویسنده مستقل است که داده های بزرگ و BI را برای InformationWeek پوشش می دهد. او در مقالات ، گزارش ها و انواع دیگر مطالب در نشریات و سایت های مختلف شرکت کرده است ، از SD Times گرفته تا واحد هوشمند اکونومیست. مناطق مشترک پوشش شامل … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir