2023 年 9 月 6 日，DevOps 的采用可以为应用程序开发带来大量机会，但数据管理仍然缺乏速度、互操作性和灵活性，这阻碍了许多企业成功实施 DevOps 计划。同时，由于多种原因，组织在采用 DevOps 方面进展缓慢，包括对数据一致性、测试和部署、遗留系统集成以及整体复杂性的担忧。
专家们参加了DBTA的网络研讨会“实现更大的敏捷性：数据管理和 DevOps 的新兴趋势”，探讨企业如何成功地同时采用和利用 DevOps 和数据管理，特别是在利用云原生应用程序、微服务、和集装箱化。
Redis首席解决方案营销经理 Henry Tam提供了他在简化微服务架构方面的专业知识，微服务架构是许多组织现代化工作的关键组成部分。
尽管微服务架构很实用，但由于需要保持隔离，它也带来了一些挑战，包括复杂性增加、性能下降、扩展问题、缺乏数据一致性以及遗留系统管理的额外负担。
Tam 解释说，微服务架构的一个关键原则是领域驱动设计，也称为多语言持久性。这种设计确保每个服务都能满足自己的需求并保持解耦，每个服务都会收到自己的可根据需要扩展的数据库。
然而，领域驱动设计会带来巨大的许可证成本，以及异构技术带来的监控和管理负担。
为了应对这些挑战，Redis 的企业级开源核心平台提供了多种微服务设计模式以简化其采用，包括：
- API 网关缓存和速率限制可降低中断风险
- 命令查询责任分离（跨域），用于将传统的写入优化 SQL 转换为快速、读取优化的查询，而无需耦合服务
- 查询缓存（单域）以克服遗留数据库的性能问题
- 使用 Redis Streams 数据结构通过轻量级消息代理进行服务间通信
Quest Software的高级分析师 Michael O'Donnell指出了一些统计数据，说明了当前困扰数据管理和 DevOps 的挑战：
- 根据 2021 年 Security Compass 调查，96% 的受访者表示他们将从自动化安全和合规流程中受益，其中73% 的受访者表示手动安全和合规流程会减慢代码发布速度。
- 根据 2022 年 Tigera 报告，96% 的受访者表示安全性、合规性和可观察性是云原生应用程序最具挑战性的方面。
- 根据 2022 年 CNCF 报告，62%云原生技术欠发达的组织仅拥有用于试点项目或有限生产用例的容器。
考虑到这些统计数据，O'Donnell 阐述了过去几年中为适应数据管理和 DevOps 领域而不断发展的一些趋势：数据网格、数据工程和元数据驱动的摄取。
虽然这些趋势肯定可以为组织的数据管理和 DevOps 流程带来各种各样的好处，但 O'Donnell 强调遵循 Quest 的 7 个步骤，通过 Quest 数据建模和智能来最大化数据价值：
- 模型：设计数据架构
- 目录：轻松搜索和查找数据
- 策划：利用业务背景丰富数据
- 治理：应用业务规则和政策
- 观察：提高数据可见性以进行主动管理
- 评分：自动进行数据分析和质量评分
- 商店：让受信任、受监管的数据可广泛访问
BMC Software的高级首席解决方案工程师 David Leigh解释了为什么服务编排和自动化对于 DevOps 至关重要，尽管人们普遍认为服务编排和自动化并不是真正的开发人员工具。这些原因包括：
- 速度和效率
- 一致性和可靠性
- 可扩展性
- 协作与沟通
- 成本效益
- 风险缓解
- 专注于增值活动
- 灵活性
Leigh 强调需要重新关注“运营”，将服务编排和自动化引入 DevOps 组合中，以解决数据运营问题。通过应用程序的数据、工具、代码和环境的端到端编排实现全栈操作对于提高这些应用程序的速度、效率、透明度和可靠性至关重要。
然而，Leigh 表示，复杂性挑战仍然是运营和编排的障碍。业务用户的目标包括引入更好的面向客户的应用程序、更好的数据获取方法以及更好的创建分析和理解的方法，加入 DevOps 生命周期已经通过各种技术来完成这些任务，从而呈现出混合复杂性。这就带来了孤立的自动化，技术被归入使用它们的人手中。
Leigh 指出，解决方案是通过规划和识别所有需要协同工作的技术并观察该流程的运行方式来引入透明度。
这是通过位于企业基础设施之上的服务编排和自动化平台（例如 BMC Control-M 和 BMC Helix Control-M）来实现的，以确保一切都在适当的位置运行，正常运行，以实现所需的业务结果，并以一种允许开发人员以与创建特定于应用程序的代码相同的方式创建一组总体自动化的方式。
要深入回顾数据管理和 DevOps 趋势，包括案例研究、用例等，您可以在此处（https://www.dbta.com/Webinars/1926-Achieving-Greater-Agility-Emerging-Trends-in-Data-Management-and-DevOps.htm）查看网络研讨会的存档版本。
文章来源：https://www.dbta.com/Editorial/News-Flashes/Bridging-the-Gap-Between-Data-Management-and-DevOps-160409.aspx
