一、前言
2020年對DevOps的預測主要包括DevOps中AI的應用、安全性，以及向自動化的巨大轉變。
根據一項集體研究，DevOps市場在2017年產生了29億美元，預計到2022年將達到66億美元。DevOps已成為關鍵焦點，並已影響到軟件世界，許多專家預測DevOps將會成為主流，並將在2020年達到頂峰。
企業不僅對DevOps表現出興趣，而且逐漸採用與DevOps相關的實踐和技術。根據Hackernoon引用Statista的文章，從2017年到2018年，DevOps的採用率增長了7％。DevOps軟件市場預計將從2017年的29億美元增長到2022年的66億美元（來源：IDC估計）。
DevOps
二、優點
DevOps具有以下優點：
- 對修訂的快速反應
- 提供極快的速度並使安全措施更加靈活
- 建立完善的協作與溝通渠道
- 快速識別代碼中的錯誤或漏洞
- 團隊可以毫不費力地將精力放在其他關鍵問題上，而不必專注於安全功能
許多企業正在採用DevOps。根據Statista統計，在2017年上升10％，而在2018年約17％。
2017年和2018年 DevOps增長率對比
三、趨勢
1.自動化將成為重點
已經實施DevOps的公司已經看到了高效率和更快的部署帶來的收益。關於DevOps，我們將重點討論DevOps自動化。零接觸自動化將是未來的必然趨勢。瞭解DevOps生命週期的6C模型並在這些階段之間應用自動化是關鍵，這將成為2020年的主要目標。
DevOps生命週期的6C模型
2.從CI流水線到DevOps裝配線的升級
DevOps的最終目標是改善計劃和交付過程自動化之間的協作。這不僅與持續集成（CI）有關，而且還與連續交付（CD）有關。公司正在投入更多的精力和時間來了解有關使其整個軟件開發流程自動化的知識。2020年，關注點將從持續集成（CI）流水線轉移到DevOps裝配線。
裝配線的優勢：
- 強大的嵌套可見性
- 本地集成
- 快速實現“按代碼生產”的理念並擴展規模
- 具有互操作性的完美CD（連續交付）
- 基於團隊的商業智能和分析
3.人工智能（AI）的興起，數據科學的發展
越來越多的人工智能驅動的應用程序將推動數據科學團隊在其工作流程中尋找DevOps哲學。在處理自動化流水線，維護和測試生產鏈中的多個已部署模型時，DevOps方法有望成為他們的主要選擇。
這將進一步推動數據科學和開發團隊為提高開發、部署和管理AI和ML驅動的應用程序的效率離得越來越近。
4.“一切都作為代碼”的概念
我們不能否認編碼現在已經成為IT部門的骨幹這一事實。瞭解各種DevOps工具和自動化腳本在軟件開發中起著至關重要的作用，並且在2020年將佔據主導地位。這個行業的未來取決於開發人員，測試人員和操作人員的技術能力。
由於DevOps旨在簡化交付週期，因此需要引入可用於提高軟件交付週期效率的代碼。“一切都作為代碼”的思想是DevOps的內置實踐，可以在軟件開發生命週期(SDLC)中出現，在2020年DevOps趨勢中掀起一股浪潮。如果軟件測試人員不學習編碼和編寫測試腳本，他們可能會遭受痛苦。
5.使用無服務器架構的炒作
通過無服務器架構，可以將DevOps提升到最高水平。這不是免費的服務器。但是，有一個雲服務負責整個體系結構。這種非凡的體系結構使軟件開發人員可以將精力集中在應用程序上。BaaS和FaaS是無服務器架構的兩個關鍵方面。通過採用無服務器架構，您可以節省時間，降低成本並確保彈性的工作流程。
6.通過人工智能和數據科學實現自動化
2020年的主要目標是實現零接觸自動化。人工智能和數據科學的不斷增長已經改變了遊戲規則。人工智能助推了各種應用，這促使DevOps團隊尋求自動化的可能性，以在其工作流中發現潛在客戶。
7.更多嵌入式安全性
隨著安全漏洞數量的急劇增長以及對公司聲譽的嚴重影響，網絡安全已成為企業的當務之急。2020年，DevOps將迅速包括安全性。
最近，我們在DevSecOps上聽到了很多聲音。DevSecOps就是在應用程序開發生命週期中首先注入安全性，減少漏洞並提高企業聲譽。
引入DevSecOps還將帶來與軟件開發方面的巨大協作。這將確保開發過程保持完美，高效和有效。
8. Kubernetes有了長足的發展
Kubernetes已成為頂級容器技術。在全球範圍內，技術人員和CIO更喜歡Kubernetes，基於它提供的產品預計到2020年將會增長。今年，隨著各種規模的公司都使用容器來運行雲原生應用程序，我們看到了Kubernetes的普及。在2020年，我們將開始看到容器編排軟件將替換一些舊的DevOps功能。
四、總結
為了掌握DevOps的當前和未來狀態，我們與來自37個組織的40位IT高管進行了交談。我們問他們：“從您的角度來看，DevOps的未來是什麼，最大的機會在哪裡？” 他們說的是：安全性、AI/機器學習和自動化。
在當今的DevOps環境中，許多技術專業人員已經掌握了規模化操作容器化工作負載，並在生產中利用了容器。已經掌握了容器並已開始部署微服務的DevOps團隊正在迅速步入DevOps的未來。DevOps的未來將包括微服務的更多部署和服務網格體系結構的實現，以管理和監視這些微服務。展望未來，技術專家將越來越需要對他們的環境所必需的服務網格的廣度/深度有充分的瞭解，並選擇適合他們需求的正確工具。DevOps的未來還在於專注於無服務器計算，並確定無服務器計算適用於某些分佈式環境和用例的用例。
我們發現與DevOps相關的人工智能（AI）和機器學習（ML）機會很多。預期我對應用程序所做的更改將如何影響整體用戶體驗。我需要測試什麼？變更有什麼影響？有很多機會可以幫助公司決定下一步如何處理產品以及驗證這些更改的影響，以便他們可以放心地發佈針對最終用戶需求的高質量軟件。例如，使用AI和ML，我可以在平臺上分析成千上萬的測試結果，並確定對代碼庫特定部分的那些更改平均導致20％的失敗率。然後，我將採取行動以確保在代碼的這一部分發生更改時，我們將進行更徹底的測試。更好的方法是重構代碼庫的這一部分。AI和ML可以通過提供獨特的分析關聯，代碼，測試結果，用戶行為以及生產質量和性能，使組織更快地做出更好的決策。這種功能可以極大地提高DevOps流水線的速度和質量。
翻譯自：Dzone。
閱讀更多 DevOps亮哥 的文章
