Linuxeden开源社区ElectricFlow DevOps Foresight使用深度学习来识别发布管道中的模式，评估软件发布成功的可能性，并提出建议以逐步提高管道性能和应用程序质量。
DevOps Foresight将机器学习算法应用于DevOps工具链生成的数据，用以开发风险评分指标，在发布之前预测发布的结果。通过使用预测分析技术，它还提供了有关如何根据开发人员影响力和代码复杂性改进管道的关键建议。
DevOps团队获得了必要的步骤，通过深入了解现有的开发实践和发布模式，消除“发布焦虑”。他们可以找出整个软件交付过程中的瓶颈和低效率部分，并理解分配给新的复杂应用程序和环境的资源。
基于对过去成功和失败模式的深入洞察，DevOps Foresight可预测发布成功的可能性。发布风险评分是基于开发人员、代码和环境配置而创建的，并为利益相关者提供了一种直观的方式来解释特定发布版本或管道的成功可能性。如果分数很高，工程团队可以查看这些配置，以确定是什么（特别是这些配置）导致了可能出现的风险。为了提出改进管道的建议，DevOps Foresight考察了过去的贡献因素以及有助于改进它们的因素，并建议对团队、代码或环境做出适当的变更。
InfoQ采访了Electric Cloud首席技术官Anders Wallgren，了解了他们在伦敦DevOps企业峰会上发布的产品。
InfoQ：它是DevOps仪表盘吗？
Anders Wallgren：大多数仪表盘都是通过定义和回答当前框架内的问题来进行回溯，比如它准时吗？瓶颈在哪里？我们的DevOps仪表盘ElectricFlow已经存在了大约12年，我们去年发布了DevOps Insight，让团队可以自动从工具链的工具收集数据，用以回答很多问题，比如该版本中包含了哪些JIRA story、Jenkins构建了哪些内容、已经完成的自动化测试，以及随着时间的推移，生产事故或问题追溯到某个版本后该如何处理。
DevOps Foresight将机器学习和大数据带入到了DevOps中，识别其中的模式，并使用数据（比如谁贡献了哪些东西以及之前的经验水平是怎样的）来预测未来的事件。这些数据来自团队和团队成员的技能集以及UI或最终用户的影响。通过这种方式，人们可以使用确凿的证据来增强直觉，并通过回答以下问题来解开迷思并做出业务决策：“我们能走得更快，做得更多吗？”、“这个版本会导致或多或少的质量问题吗？”
InfoQ：它应该被用在sprint计划中吗？或用于站会？或用于持续部署？
Wallgren：在大数据中，我们对粒度的重要性存在一个疑问。我们想要知道的是，它究竟是一个团队、一个模块还是架构的一部分。随着时间的推移，我们可以看到，它们的相关性并不那么明显。
InfoQ：这将给传统的单体架构带来什么好处？
Wallgren：当我们对它们做出变更时，ElectricFlow Foresight通过风险地图给我们提供见解，告诉我们哪些特定区域、模块或系统需要进行回滚，并建议我们应该在哪些地方集中我们的改进工作，或考虑做出架构决策，将组建抽取为微服务。
InfoQ：预测分析如何帮助建立安全文化？
Wallgren：重点要关注结果和团队，而不是个人，因此通过指标来评判个人并不是我们的目标。相反，团队可以将此作为利益相关者可以利用的学习机会，帮助他们获得正确的反馈并减少过长的反馈循环。这种预测分析的大部分价值在于它提示你提出的那些问题，而不仅仅是为你提供的那些答案。系统可以像迷你价值流一样告诉你什么是活跃的，什么是闲置的。我们的算法最初是根据我们已经收集的客户数据进行训练的，这些数据将立即对新用户提供有用的价值，用以识别出模式，进而推动改进过程。
InfoQ：你能对这种预测分析技术的未来做出预测吗？
Wallgren：推荐是预测分析技术的必杀技，先是识别出模式，然后使用这些模式进行预测，提供原始数据并解释这些数据，基于机器学习获得的结论为人类用户提供指导，告诉他们下一步该做什么。除此之外，对推荐进行自动化，即计算自动化。不过，我们认为路还很长！
InfoQ：ElectricFlow Foresight的底层架构是怎样的？
Wallgren：Insight的核心架构是ELK栈——Foresight添加了使用Python编写的算法。我们可能在未来会尝试TensorFlow，但现在不会。
InfoQ：现在有客户在使用新功能？
Wallgren：已经有很多客户向我们提出了需求，并在测试期间提供数据来帮助我们训练我们的算法，并希望后续能够继续使用该产品。与此同时，我们正在尝试根据我们看到的不同用例建立适当的许可模型。例如，对于只对分析感兴趣但对自动化或编排不感兴趣的组织，是否可以将其作为独立产品使用？我们希望让团队尽可能简单地实现这一价值——无论他们的用例是怎样的。
查看英文原文：Electric Cloud Launches Predictive Analytics for DevOps
转自 http://www.infoq.com/cn/news/2018/07/electric-cloud-predictive-devops