DevOps2023现状报告|注重文化、以用户为中心是成功的关键

Google Cloud DORA 团队的一份新研究报告强调了企业文化和关注用户作为成功软件交付支柱的重要性。

2023 DevOps 状况报告分析了过去 9 年来通过此类最大规模调查收集的全球 36,000 多名 IT 专业人员的数据。今年的报告是继 2022 年调查之后发布的,该调查发现越来越多的人采用工具和技术来帮助保护软件供应链。

Google Cloud 2023年年度报告研究和整理了DevOps实践的关键成果,包括在创造客户价值、实现团队创新和协作以及通过减少倦怠和提高满意度来支持员工福利方面的组织绩效(文末查看报告获取方式 )。

衡量软件交付性能

DORA 研究表明,企业的软件交付绩效水平可以预测整体绩效、团队绩效和员工福利。反过来,我们使用以下措施来了解软件更改的吞吐量和稳定性:

  • 变更交付时间:代码变更从提交到部署需要多长时间

  • 部署频率:将更改推送到生产环境的频率

  • 更改失败率:软件部署引入需要立即干预的故障的频率

  • 失败部署恢复时间 :从失败的部署中恢复需要多长时间

报告分析揭示了四个绩效水平,其中 Elite 群组表现依旧突出,能够同时实现吞吐量和稳定性。

来源:Google DORA 2023 DevOps 状态报告

报告关键发现

2023 DORA 报告关于如何提高软件交付能力总结出以下几个关键要点。

建立健康的文化

报告中确定的趋势之一是强烈关注用户和健康文化的作用。

文化是构建技术能力、激发技术绩效、实现组织绩效目标和帮助员工取得成功的基础。健康的文化有助于减少倦怠、提高生产力并提高工作满意度。具有健康、富有创造力的文化、让员工有归属感的团队其组织绩效比没有此类文化的组织高出 30%

可改善员工福利的文化

以用户为中心进行构建

团队可以按照自己的意愿快速、成功地部署,但如果不考虑用户,这可能会毫无意义。DORA 研究表明,以用户为中心的方法来构建应用程序和服务是整体组织绩效最有力的预测因素之一。事实上,以用户为中心的构建似乎可以告知并推动在 DORA 研究中探索的所有技术、流程和文化能力的改进。关注用户的团队绩效比不关注用户的团队高 40%

通过提高文档质量增强技术能力

高质量的文档放大了 DevOps 技术能力(例如,持续集成和基于主干的开发)对组织绩效的影响。这意味着高质量文档不仅有助于建立这些技术能力,而且有助于其发挥作用。例如,当高质量的文档发挥作用时,SRE 实践预计会对组织绩效产生 1.4 倍的影响 。总体而言,相对于低质量文档,高质量文档可使团队绩效提高 25%

利用云提高基础设施灵活性

通过利用云的快速弹性和按需自助服务等特性,团队可以从云中获得最大价值。这些特征预示着基础设施将更加灵活。例如,与不使用云相比,使用公共云可使基础设施灵活性提高 22%。反过来,这种灵活性使团队的组织绩效比基础设施不灵活的团队高出 30% 。

人工智能对 DevOps 的影响

研究表明,虽然人工智能的采用正在增长,但其影响仍然未知。

使用 DORA 的一些绩效指标可以帮助指导团队尝试使用人工智能的方法。例如,研究发现代码审查时间更快的团队的软件交付性能提高了 50%。代码审查速度较慢的团队可能会尝试使用人工智能作为代码审查过程的一部分,以了解这如何影响他们的软件交付性能。这是当下研究小组看到的 AI 工具的采用情况:

关注"Seal 软件"公众号内回复关键词"DORA23 "即可获取报告。

参考链接:

  1. https://www.itprotoday.com/devops/google-dora-2023-state-devops-report-finds-culture-user-focus-key-success
  2. https://cloud.google.com/blog/products/devops-sre/announcing-the-2023-state-of-devops-report
相关推荐
CountingStars61922 分钟前
目标检测常用评估指标(metrics)
人工智能·目标检测·目标跟踪
tangjunjun-owen30 分钟前
第四节:GLM-4v-9b模型的tokenizer源码解读
人工智能·glm-4v-9b·多模态大模型教程
冰蓝蓝35 分钟前
深度学习中的注意力机制:解锁智能模型的新视角
人工智能·深度学习
橙子小哥的代码世界43 分钟前
【计算机视觉基础CV-图像分类】01- 从历史源头到深度时代:一文读懂计算机视觉的进化脉络、核心任务与产业蓝图
人工智能·计算机视觉
新加坡内哥谈技术1 小时前
苏黎世联邦理工学院与加州大学伯克利分校推出MaxInfoRL:平衡内在与外在探索的全新强化学习框架
大数据·人工智能·语言模型
fanstuck2 小时前
Prompt提示工程上手指南(七)Prompt编写实战-基于智能客服问答系统下的Prompt编写
人工智能·数据挖掘·openai
lovelin+v175030409662 小时前
安全性升级:API接口在零信任架构下的安全防护策略
大数据·数据库·人工智能·爬虫·数据分析
唐小旭2 小时前
python3.6搭建pytorch环境
人工智能·pytorch·python
洛阳泰山3 小时前
MaxKB基于大语言模型和 RAG的开源知识库问答系统的快速部署教程
人工智能·语言模型·开源·rag·maxkb
程序猿阿伟3 小时前
《Java 优化秘籍:计算密集型 AI 任务加速指南》
java·开发语言·人工智能