DevOps 自動化的脈動：DevOps 自動化的現況

核心观点

• DevOps 自动化的重要性日益提升：随着组织向云原生软件交付靠拢，DevOps 自动化已成为策略要务，以应对技术环境的复杂性并提高效率。
• DevOps 自动化现状：虽然许多组织正在投资 DevOps 自动化，但端到端流程的自动化程度仍然较低，仅为 56%。工具链的复杂性也是一个挑战，团队平均依赖至少 7 种不同的工具。
• DevOps 自动化的优势：投资 DevOps 自动化可以为关键领域带来实质优势，包括提高软件质量 (61%)、提高员工满意度 (58%)、减少部署失败次数 (57%) 以及降低 IT 成本 (55%)。
• DevOps 自动化的挑战：许多组织面临来自数据孤岛、工具链复杂性、安全性担忧和缺乏明确策略等方面的挑战。
• DevOps 自动化的未来：组织正在探索更智能、更自动化的方法，包括平台工程、GitOps 和 AI 技术。生成式 AI 和大型语言模型 (LLM) 被认为将对 DevOps 自动化产生重大影响。

关键数据

• 端到端 DevOps 流程已自动化的平均比例：56%
• 端到端 DevOps 途徑的手動介入次數：9 次（包含批准與安全性）
• 軟體工程師修復生產應用程式中問題所需的平均時數：2 倍以上
• 組織使用的熱門 DevOps 自動化工具/平台：可觀察性、平台工程、GitOps
• 組織使用 7.5 種工具支援 DevOps 自動化的比例：平均
• 擁有 ROI 模型，能夠衡量 DevOps 自動化投資影響的組織比例：35%
• DevOps 從業人員表示，缺乏資料流程分析或資料可觀察性工具導致推動自動化難以透過合規方式進行的比例：57%
• 具備定義明確的完整 DevOps 自動化策略的組織比例：38%
• 組織表示面臨到運用可觀察性和安全性資料推動 DevOps 自動化的挑戰的比例：85%
• DevOps 從業人員表示，精通 Python、Ruby、PowerShell 等腳本語言的比例：52%
• DevOps 從業人員表示，具備雲端平台和基礎架構的知識（例如微服務）的比例：56%
• DevOps 從業人員表示，擅長自動化軟體測試工具和實務的比例：49%
• DevOps 從業人員表示，熟悉 GitOps/基礎架構即程式碼(IaC)的比例：41%
• 組織有專屬自動化工程師，負責支援推動 DevOps 自動化的比例：65%
• 組織在推動 DevOps 自動化方面，顯然倚賴開源專案的比例：41%
• 組織投資平台，力求簡化工具整合流程，並促進參與自動化專案的團隊並肩合作的比例：54%
• 組織成立卓越中心(CoE)以支持 DevOps 自動化的比例：36%
• 組織預估 ChatGPT 和 Bard 等大型語言模型(LLM)將對 DevOps 自動化產生重大影響的比例：59%
• 組織表示，可觀察性資料在他們未來的 DevOps 自動化策略中，具有舉足輕重的地位的比例：86%

研究結論

• DevOps 自动化成熟度模型：研究提出了 DevOps 自动化成熟度模型，包括基础、标准、进阶和智慧四个阶段，并提供了每个阶段的行动建议。
• 提高 DevOps 自动化成熟度的关键措施：包括建立明确的策略、简化工具链、破除数据孤岛、获取所需技能、利用平台工程和 GitOps、建立 DevOps 自动化卓越中心 (CoE) 以及整合 AI 技术。
• AI 在 DevOps 自动化中的重要性：组织需要利用 AI 技术来提高自动化流程的效率和准确性，包括生成式 AI、大型语言模型 (LLM)、可观察性数据和因果式 AI。