DevOps 不仅仅是用于更敏捷计算的最新行业流行语——它是按照业务需求快速发布软件，同时保持质量和安全性的唯一方法。 越来越多的人工智能和机器学习被引入来协助这一过程。 考虑到发布的速度，这个过程对于任何人来说都无法手动监督。 它对许多 IT 商店来说效果很好。
这是来自 GitLab 的话，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 是他们选择的方法，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。 10 个 DevOps 团队中有 7 个 (70%) 持续发布代码——定义为每天一次或每隔几天发布一次——比去年增加了 63%。 至少 60% 的开发人员发布代码的速度比以前快。 整整 35% 的人表示他们发布代码的速度是原来的两倍，而 15% 的人发布代码的速度是原来的三到五倍。 8% 的人表示代码飞出门的速度快了五倍以上。
为了促进这一点，更高级别的自动化被应用于软件交付——调查发现 62% 的 DevOps 团队正在实践 ModelOps，或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人工智能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% 的团队计划在今年引入它。 另有 19% 的人计划在未来两到三年内推出 AI/ML 驱动的测试。
此外：企业需要 DevOps 才能具有竞争力，但必须遵循最佳实践以将风险降至最低
矛盾的是，代码发布的瀑布方法——设计软件然后将其扔给 QA 团队或用户——在许多商店中仍然盛行。 该调查的作者报告说，今年使用瀑布的团队比例比去年增加了 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 角色继续转变。 开发人员正在承担运维工作，运维专注于云或平台工程，而安全专家则更多地在开发团队内部动手。
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% 的经理或专业人员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二分之一的时间花在维护或集成复杂的工具链上——比 2021 年增加了一倍多。
安全性已经超越云计算，成为 DevOps 团队的头号投资领域。 然而，尽管有向左转移安全性的意愿，但许多公司在他们的方法和结果方面仍处于初期阶段——只有 10% 的受访者表示收到了额外的安全预算。 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——相当于 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计划（均为 31%）。 排在第二位的是用于代码编写和审查的 AI/ML (27%)，其次是代码重用 (26%)。 该调查的作者总结道：“这些回应与开发人员去年所说的没有任何重大差异，或许强调了进行系统流程和技术变革是多么困难。”
