随着 DevOps 采用率的提高，软件发布每天都在大步前进

为了加快软件发布速度，DevOps 团队现在也在实践 ModelOps，近三分之一的团队正在使用人工智能和机器学习算法进行代码审查，是去年的两倍多。

DevOps 不仅仅是更敏捷计算的最新行业流行语，它是根据业务需求快速发布软件，同时保持质量和安全性的唯一途径。人工智能和机器学习越来越多地被引入以协助这一过程。考虑到发布的速度，这个过程对任何人来说都太多了，无法手动监督。这对许多 IT 商店来说效果很好。

这是来自 GitLab 的说法，它发布了一项 对 5,001 名技术经理和专业人士的调查 ，发现在过去 12 个月中，DevOps 实践有了显着增长。2022 年，相当一部分受访者 （47%） 表示 DevOps 或 DevSecOps 是他们的首选方法，比 2021 年增加了 5 个百分点。 

调查显示，随着 DevOps 的兴起，软件交付的节奏也随之加快。每 10 个 DevOps 团队中就有 7 个 （70%） 持续发布代码（定义为每天一次或每隔几天一次），比去年增长了 63%。至少 60% 的开发人员发布代码的速度比以前更快。整整 35% 的受访者表示，他们发布代码的速度是原来的 2 倍，而 15% 的受访者表示，他们发布代码的速度是原来的 3 到 5 倍。8% 的受访者表示，代码的传播速度提高了五倍多。

为了促进这一点，更多高级自动化正在应用于软件交付——调查发现 62% 的 DevOps 团队正在实践 ModelOps，即人工智能模型的治理和生命周期管理。至少 31% 的团队正在积极使用 AI 和机器学习算法进行代码审查，是去年的两倍多。 调查还发现，37% 的团队在软件测试中使用 AI/ML（高于 25%），另有 20% 的团队计划今年引入 AI/ML。另有 19% 的受访企业计划在未来两到三年内推出 AI/ML 驱动的测试。 

矛盾的是，代码发布的瀑布式方法（即设计软件，然后翻墙扔给 QA 团队或用户）仍然在许多商店中盛行。调查作者报告称，今年使用瀑布流的团队百分比比去年增加了 16%。他们补充说 ，“Water/Scrum/Fall”从业者比去年增长了 23%。

调查还显示，DevOps 角色继续发生变化。开发人员正在承担运营工作，运营侧重于云或平台工程，而安全专业人员在开发团队内部则更多地亲力亲为。 

调查还显示，工具链蔓延和安全性被认为是基于 DevOps 的软件部署面临的最紧迫挑战。工具链整合是一个高度优先的重点，69% 的经理或专业人士寻求整合他们的工具链，以应对监控、开发延迟和对开发人员体验的负面影响等挑战。近 40% 的开发人员将四分之一到一半的时间用于维护或集成复杂的工具链，是 2021 年的两倍多。

安全性已超过云计算，成为 DevOps 团队的第一大投资领域。然而，尽管人们希望将安全左移，但许多公司的方法和结果仍处于起步阶段 - 只有 10% 的受访者表示获得了额外的安全预算。此外，调查中 50% 的安全专业人员报告说，开发人员未能识别安全问题 - 多达 75% 的漏洞。 

当被问及他们可以使用什么来更好地完成工作时，研究中的开发人员寻求更多更好的代码审查、自动化测试和更好的规划（均占 31%）。紧随其后的是用于代码编写和审查的 AI/ML （27%），其次是代码重用 （26%）。“这些回答与开发人员去年所说的没有任何重大偏差，这可能凸显了进行系统性流程和技术变革的难度，”调查作者总结道。