2023平台工程崭露头角,AI 带来新机遇与挑战

在今年,平台工程正在迅速在 IT 企业中崭露头角,成为软件开发团队的必要实践。根据 CloudBees 发布的最新报告《2023年平台工程:快速采纳和影响》,83%的受访者已经完全实施了平台工程,或正处于某种实施阶段。

平台工程是一门设计和构建内部开发者平台(IDP)、工具链和工作流程的学科,它为软件工程团队提供了自助服务的能力。

IT 领导者一直在不断面临着要用更少的资源做更多事情的挑战。根据各种研究,开发者每周实际上只用了12.5%到30%的时间来编写代码。这也促使 IT 和 DevOps 领导者迫切寻找新的方法来提高开发者的生产力。由于平台工程建立了改进开发者生产力和开发者体验(DevEx)的最佳实践,因此已经成为备受关注的领域。

平台工程的实践已经成功地分担了开发者的大部分工作负担。调查数据显示,已经采用或计划采用平台工程的水平相当高(83%),其中:

  • 20% 已经完全实施
  • 33% 正在进行中
  • 11% 最近刚刚开始
  • 19% 处于规划阶段

仅有17%的受访者表示他们没有计划推出平台工程。

图片来源:CloudBees

平台工程的五个主要推动因素各约占回应的20%,并展示了平台工程对开发者和DevOps团队的重要和广泛好处。采用平台工程的推动因素包括:

  • 开发者生产力(21%)
  • 持续集成和持续交付(CI/CD)流水线的实施(20%)
  • 工具和流程的标准化(20%)
  • 安全性增强(20%)
  • 基础设施即代码(19%)

业务影响

在过去的10年中,随着DevOps的崛起,平台工程的突出地位通常被归因于"我们忘记了开发者!"的现象。在DevOps崛起期间,许多事情向左移动,进一步加重了开发者的负担,并分散了注意力,使其远离了编码和创新。组织投资于平台工程,以满足多种需求。

与关注开发者生产力一致,平台工程的前五个用例中有三个:

  • 开发、测试和生产环境的管理(22%)
  • CI/CD 流水线管理(21%)
  • 开发者平台即服务(PaaS)(18%)

目标和成功衡量标准

几乎所有最重要的平台工程目标都与 DevEx 和提高开发者生产力相关。排名最高的三个目标是:

  • 开发者的自助服务(29%)
  • 于采用(25%)
  • 满足开发者需求(20%)

平台工程团队的成功衡量标准包括:

  • 开发者生产力(23%)
  • 内部KPI达标(19%)
  • 成本控制(16%)
  • 管理工具扩张(13%)

最后,调查显示,组织内的平台工程的归属位置各不相同,但最常见的归属位置包括:

  • 云工程(30%)
  • 基础设施团队(25%)
  • 开发部门(20%)
  • 共享服务(13%)
  • 运维部门(13%)

根据调查数据显示,许多组织广泛采用平台工程,并将平台工程视为最大程度提高软件开发效率的关键元素

平台工程与 AI

平台工程在接下来的12至18个月内将会面临什么挑战?

平台团队需要为持续的变化做好准备。公司被收购,新平台被收购(通常不会放弃旧平台),新应用程序和部署模式将继续出现。最近出现的颠覆性技术是生成式人工智能(AI),紧随其后的是人工智能(AI),特别是机器学习(ML)。AI 可以并将被应用于改进平台工程。

然而,像创建、运营和保护软件和系统的其他方面一样,AI/ML和生成式 AI 也带来了挑战。我们看到了三个关键方面:

首先是管理多个大型数据集和模型,这是 ML 算法和生成式 AI 大型语言模型(LLM)的生命线。类似于专门的专家系统,基于企业内部数据训练的特定领域的 LLM 在采用生成式 AI 时将变得尤为重要,前提是要维护数据的隐私和安全。

平台工程必须适应新的 AI 工作流程和数据、提示以及设计、训练和维护模型、向量数据库和大型数据集的 AI 工程师的流水线,这些数据集会不断增长和演变。这些 AI 流水线必须支持其工作流模式的特定要求,并与相互依赖的软件开发流水线和发布流程相一致和整合。

另外 AI/ML 和生成式 AI 通常具有与我们今天理解和运营的云和应用环境分开的操作特性。AI 引入了新的硬件操作环境,包括 AI 加速器、GPU、VPU和高度可扩展的 CPU,以及具有挑战性的性能和优化学习曲线。随着 AI,特别是生成式 AI 在企业中被采用和推广,平台工程将发挥关键作用。

关于 Walrus

Walrus 是基于平台工程理念 构建的全新一代应用管理平台,其一键部署和克隆复杂应用系统、集成 AI 大语言模型简化模板代码生成 以及灵活强大的应用和环境动态管理能力等特性备受用户青睐。借助 Walrus 用户可以将云原生的能力和最佳实践扩展到非容器化环境,并支持任意应用形态统一编排部署,降低使用基础设施的复杂度,为研发和运维团队提供易用、一致的应用管理体验,进而构建无缝协作的软件交付流程,加速企业业务创新。开源地址:github.com/seal-io/walrus

参考链接:

  1. www.devopsdigest.com/platform-en...
  2. www.cloudbees.com/platform-en...
相关推荐
敲上瘾23 分钟前
操作系统的理解
linux·运维·服务器·c++·大模型·操作系统·aigc
想成为高手4994 小时前
生成式AI在教育技术中的应用:变革与创新
人工智能·aigc
z千鑫18 小时前
【人工智能】PyTorch、TensorFlow 和 Keras 全面解析与对比:深度学习框架的终极指南
人工智能·pytorch·深度学习·aigc·tensorflow·keras·codemoss
程序员X小鹿1 天前
AI视频自动剪辑神器!点赞上万的影视剧片段,一键全自动剪辑,效率提升80%!(附保姆级教程)
aigc
学习前端的小z1 天前
【AIGC】如何准确引导ChatGPT,实现精细化GPTs指令生成
人工智能·gpt·chatgpt·aigc
刘悦的技术博客2 天前
MagicQuill,AI动态图像元素修改,AI绘图,需要40G的本地硬盘空间,12G显存可玩,Win11本地部署
ai·aigc·python3.11
xindoo2 天前
如何用GPT-4o解读视频
aigc·gpt-3·音视频
起名字真南2 天前
【C++】深入理解 C++ 中的继承进阶:多继承、菱形继承及其解决方案
java·jvm·c++·chatgpt·aigc
Jartto2 天前
2025年AI革命:斯坦福李飞飞教授揭秘多模态智能体的未来
aigc
AI小欧同学2 天前
【AIGC】ChatGPT提示词Prompt解析:情感分析,分手后还可以做朋友吗?
chatgpt·prompt·aigc