DevOps è un insieme di pratiche che automatizza i processi tra lo sviluppo del software e i team IT, in modo che questi possano creare, testare e rilasciare il software in modo più rapido e affidabile. Il concetto di DevOps si basa sulla costruzione di una cultura di collaborazione tra team che storicamente funzionano in silos. I vantaggi promessi comprendono una maggiore fiducia, rilasci di software più veloci e la capacità di risolvere rapidamente problemi critici e gestire al meglio il lavoro non pianificato.
Le metodologie DevOps stanno generando set di dati sempre più ampi e diversificati nell’intero ciclo di vita delle applicazioni, dallo sviluppo, all’implementazione, alla gestione delle prestazioni delle app stesse. Solo un solido livello di monitoraggio e analisi può veramente sfruttare questi dati per arrivare all’obiettivo finale del DevOps: l’automazione end-to-end.
Il recente aumento dell’intelligenza artificiale (AI) /machine learning (ML) nel cloud e le relative capacità come l’analisi predittiva hanno iniziato a spingere le organizzazioni DevOps a esplorare l’implementazione di un nuovo modello di analisi dei dati che si basa su algoritmi matematici. Molti fornitori di cloud pubblici, come Microsoft, Amazon, Google e IBM stanno attualmente supportando AI/ML-as-a-Service, consentendo alle organizzazioni DevOps di sfruttare l’agilità di tali servizi per aiutarli a diventare più efficienti nello sviluppo delle applicazioni, compreso automatizzare alcuni compiti ripetibili del DevOps.
L’automazione è il carburante che guida la metodologia DevOps
Automatizzare le attività ordinarie e ripetibili è una delle caratteristiche che definiscono la cultura DevOps. Con il miglioramento delle capacità di AI e ML, aumenta l’ambito e la complessità delle attività che possono essere automatizzate, il che eleva lo standard di tutti i DevOps. Gli umani dietro i DevOps possono essere liberati da compiti ancora più banali e possono così concentrarsi su progetti innovativi e creativi. Automatizzare le attività di routine è cruciale, ma c’è un altro fattore importante nel ruolo che giocano AI e ML nel futuro del DevOps: il fatto che gli esseri umani semplicemente non possono fare certe cose o non possono farle in modo veloce come le macchine – specialmente su scala.
Come Equinix sta adottando AI / ML in DevOps per le applicazioni aziendali
Nell’organizzazione DevOps di Equinix, utilizziamo AI/ML-as-a-Service per eseguire quanto segue con una maggiore automazione:
Analisi della causa principale e dell’azione raccomandata
- Determina la correlazione e la causalità tra diversi alert
- Consente di raggruppare i problemi correlati e distinguere la causa principale dai sintomi
- Migliora il tempo complessivo di risoluzione
Analisi dei log
- Impiega il machine learning e i big data per analizzare i log e trovarne la struttura
- Rileva errori del server, problemi di prestazioni, ecc…
Previsione del malfunzionamento dei server e delle applicazioni
- Utilizza dati (di formazione) precedenti per prevedere il futuro malfunzionamento del server
- Utilizza i log degli errori dell’applicazione per costruire un modello in grado di prevedere con precisione futuri malfunzionamenti e identificare problemi e tendenze nelle applicazioni che devono essere risolti
Previsione delle esigenze infrastrutturali
- Utilizza dati (di formazione) precedenti per prevedere modelli operativi, anticipare le esigenze in termini di capacità, segnalare alert sulle anomalie di sicurezza e monitorare autonomamente e auto-guarire il proprio ambiente di fronte a malfunzionamenti
Il nostro Equinix Cloud Exchange™ Fabric (ECX) facilita l’interconnessione immediata in tutto il mondo, anche al confine digitale, dove si incontrano il commercio, le persone e un numero crescente di ecosistemi aziendali, dispositivi IoT e fornitori di cloud e di rete. ECX consente la connessione privata tra le aziende all’interno dei data center Equinix International Business Exchange™ (IBX®) nel Nord America e nell’area EMEA e, infine, in tutti i data center Equinix IBX del mondo. Ad esempio, nell’industria petrolifera e del gas, stiamo aiutando le aziende energetiche e i loro partner cloud a utilizzare AI, ML e cloud per monitorare da remoto i sensori IoT su pozzi petroliferi distribuiti per diagnosticare potenziali problemi di sicurezza.
In futuro, ci aspettiamo che il trend dell’utilizzo di AI/ML nel DevOps continui in tutti i settori, dal momento che sempre più aziende collaborano e sfruttano gli hub di interconnessione integrati e i data center di colocation come una piattaforma globale e unica per l’innovazione. Equinix e i suoi Global Solutions Architect supportano lo sviluppo di AI/ML attuali e futuri e l’acquisizione di dati sulla Piattaforma Equinix e stanno aiutando le odierne aziende digitali a implementare più funzionalità AI/ML come servizio cloud.
