行业前言研发效能提升实践的浓缩精华
DevOps
1、devOps六大武器
devOps六大武器
1）标准化作业
软件流程在特定领域中是可以标准化的，标准化的最大好处是能够固化流程，将人力从重复劳动中解放出来，同时有效地减少错误的发生。
2）快速失败
尽可能在早期发现问题并立刻失败，避免问题隐藏至后期，进而增加解决成本。通过引入CI/CD技术，通过高频集成和高频交付，将问题暴露在早期。
3）快速反应
将业务决策以最快的速度转换为技术产品，需要消除角色壁垒，尽可能用工具替代人力，并用流水线方式加速流程。
4）高质量与高效率
通过持续部署，快速反馈的方式，更好地将不确定性逐步变为确定性，从而保障高质量交付。
5）降低成本
当devops模式运作成熟，尤其是快速迭代的流水线初成规模后，软件研发的效率将大大提升，研发成本将明显降低，应对变化的能力也将大幅提高。
6）团队协作
依靠工具和自动化弥补开发与运维之间的技能鸿沟和沟通鸿沟，将软件研发中的三个角色（开开发，测试，运维）有效地粘合在一起，团队角色之间“有责无界”，为了更高的目标通力协作。
2、DevOps生命周期精解
3、容器技术在DevOps中的应用
4、混沌工程
基本思路：既然我们在事前无法将软件质量的确定性测量出来，也无法避免突发故障的发生，那么就要接受系统一定会存在缺陷和发生故障的混沌态，通过一系列的演练频繁暴露这些问题，在不断优化和改进软件系统的同时，倒逼质量内建和防御意识的提升，做到面向失败设计。类似打育苗。相关工具：ChaoBlade
5、DevSecOps
通过实践DevSecOps可以更早地，有意识地将安全性融入软件开发全生命周期中。如果开发组织从一开始就将安全性考虑在代码中，那么在漏洞进入生产环境之前或发布之后，发现并修复漏洞会更容易，成本也更低。
DevSecOps全流程实践
AIOps
2016年，Gartner公司提出了AIOps，指的是Algnorithmic IT Operations，是一种基于算法的运维方式。2018年，AIOps由算法升级为智能，即Aritificial Intelligence for IT Operations。指整合大数据和机器学习能力，通过松耦合，可扩展方式去提取和分析在数据量，种类和速度三个维度不断增长的IT数据，为所有主流IT运维管理产品提供支撑。AIOps平台能够同时使用多个数据源、数据采集方法及分析和展现技术，广泛增强IT运维流程和事件管理效率，可用于性能分析，异常检测，事件关联分析，IT服务管理和自动化等应用场景。
DevOps将软件生命周期的工具全链路打通，结合自动化和跨团队的线上协作能力，实现了快速响应、高质量交付及持续反馈。AIOps在企业运营和运维工作中为成本、质量、效率等方面的优化提供了重要支撑。主张有机器学习算法自动地从海里运维数据中不断地学习，不断地提炼并总结规则。
AIOps最主要的应用场景有：
- 运营保障（异常检测，故障诊断，故障预测，故障自愈）
- 效率提升（智能预测，智能变更，智能问答，智能决策）
DevPerfOps
在研发的各个环节都引入相应的性能测试手段，在更早的时间节点，从更细的粒度上去发现性能问题，并做到及时修复，及将“性能测试”上升到“性能工程”。
DevPerfOps的全流程实践
可测试性和可运维性
可测试性：指后期测试的方便性，或者说开展测试的便利程度，称为可测试性。
需要在设计阶段提前考虑软件的可测试性，让软件能够适合开展自动化测试。
可运维性：后期软件运维过程的便利程度，称为可维护性。
需要在设计阶段考虑后期运维的便利性，为实现高效的运维能力提高相应的功能。
