區(qū)塊鏈、NLP、AI驅(qū)動的工具、機器學習、無服務器計算和devops創(chuàng)新將在2016年改變開發(fā)者的生活。
開發(fā)人員應該對2016年的機遇感到興奮，產(chǎn)品和工具圍繞著諸如區(qū)塊鏈、聊天機器人、無服務器功能和機器學習等技術在現(xiàn)實世界的項目中變得足夠成熟。與此同時，許多開發(fā)人員會擔心，在不影響安全性和性能的前提下，他們將無法更快地交付代碼和功能。但這方面也有好消息。
對于開發(fā)人員來說，2016年的定義是，在抓住轉型新機遇的同時，在應對壓力的同時，要做得更多，質(zhì)量更高。以下是有關這些力量將在未來一年如何發(fā)揮作用的10個預測。
1. 利用區(qū)塊鏈的B2B交易進入生產(chǎn)階段
企業(yè)已經(jīng)開始了解從區(qū)塊鏈啟動的交易中獲得的安全性、可靠性和效率。在未來的一年，開發(fā)人員將在整個金融服務和制造供應鏈中實施許多區(qū)塊鏈用例。區(qū)塊鏈是一種技術，它可以使組織之間的高效、安全、不可變、可信的交易成為可能，而這些交易可能不會完全相互信任，從而消除中介。
考慮一家公司從一家離岸制造商訂購產(chǎn)品。這些產(chǎn)品通過船運公司發(fā)貨，通過海關，通過另一家船運公司，最后到達買方。今天，每個步驟的驗證和調(diào)節(jié)主要通過電子郵件和電子表格進行，其中涉及很多人和過程。區(qū)塊鏈通過不可撤銷的對區(qū)塊鏈分類賬的更新，消除了手工流及和解，當最少數(shù)量的參與者說，"是的，這部分交易發(fā)生了。"
區(qū)塊鏈云服務將帶來可伸縮性、彈性、安全性以及與企業(yè)系統(tǒng)的預構建集成，使開發(fā)人員更容易將重點放在業(yè)務用例上，而不是底層的hyperledger fabric實現(xiàn)。
2. 聊天機器人經(jīng)常與顧客和員工進行真正的對話
人們已經(jīng)厭倦了需要多個移動應用程序來做同樣的工作，就像三種不同的航空公司應用程序一樣，通過不同的方式辦理登機手續(xù)并獲得登機牌。一種更好的方法是提供同樣的功能，但是通過手機消息上最流行的應用程序。消息傳遞有三個具有吸引力的元素:即時、表達性和會話性，不需要培訓。由于人工智能和自然語言處理技術的進步，人們將會使用Facebook Messenger、Slack、微信、WhatsApp或像亞馬遜Alexa或谷歌Home這樣的語音助手，來問問題，并從智能機器人那里得到答案。
開發(fā)人員使用新的智能的bot構建云服務，可以快速地制造能夠理解客戶意圖、維護會話狀態(tài)的機器人，并在與后端系統(tǒng)集成的過程中智能地響應。想象一下你在電影中看到的一件連衣裙的圖片，然后把照片傳給你最喜歡的服裝店的機器人，它使用圖像識別和人工智能來推薦相似的服裝。員工也可能是機器人的巨大受益者，比如詢問他們已經(jīng)離開了多少個假期，提交了一張幫助辦公桌的票，或者訂購了一臺替換的筆記本電腦，在那里，系統(tǒng)甚至知道員工有哪些筆記本電腦符合資格，并且可以根據(jù)他們的訂單提供狀態(tài)更新?？紤]到對你自己的員工基礎的試驗更寬容，開發(fā)人員可能會首先利用他們的"造人"能力來建立和測試員工面對的機器人。
3. 按鈕消失了：AI變成了app界面
人工智能成為UI，意味著使用應用和服務的同步、請求-響應模型逐漸消失。智能手機仍然是"低智商"，因為你必須去接他們，啟動一個應用程序，要求做一些事情，最終得到回應。在新一代智能應用程序中，該應用將通過推送通知啟動交互。讓我們更進一步，使用人工智能的應用程序、機器人或虛擬個人助手將知道該做什么、何時、何地以及如何做。就這樣做。兩個例子:
費用審批程序會注意你的報銷模式，開始自動審批費用報告的99%，只會讓你注意到需要你注意的罕見報告。
分析應用程序了解底層數(shù)據(jù)，業(yè)務用戶提出的問題，以及公司其他用戶對相同數(shù)據(jù)集的問題，并且每一天都提供了一個新的見解，分析人員可能沒有想到。當組織收集更多的數(shù)據(jù)時，人工智能可以幫助我們了解需要問哪些問題的數(shù)據(jù)。
開發(fā)人員需要弄清楚哪些數(shù)據(jù)對他們的業(yè)務應用程序非常重要，如何從事務中觀察和學習，哪些業(yè)務決策將從這種主動的人工智能中獲益最多，并開始進行試驗。嵌入式人工智能可以預測你需要什么，在合適的時間通過合適的媒體發(fā)布信息和功能，包括在你需要它之前，并自動完成你今天手動完成的許多任務。
4. 機器學習采用實際的、特定領域的用途
機器學習正從晦澀的數(shù)據(jù)科學領域轉移到主流應用程序開發(fā)領域，這都是因為在流行的平臺上可以預先構建模塊的可用性，而且在處理大型的歷史數(shù)據(jù)集時，它非常有用。通過機器學習，最有價值的洞察力來自于背景，你以前做過什么，你問過什么問題，別人在做什么，正常的和反常的活動是什么。
但是要想有效，機器學習必須在一個領域特定的環(huán)境中進行調(diào)整和訓練，該環(huán)境包括它將分析的數(shù)據(jù)集和它將回答的問題。例如，設計用于識別安全分析師異常用戶行為的機器學習應用程序?qū)⑴c設計用于優(yōu)化工廠機器人操作的機器學習應用程序非常不同，這可能與基于微服務的應用程序的依賴映射的設計非常不同。
開發(fā)人員需要更加了解領域特定的用例，了解要收集什么數(shù)據(jù)，應用什么樣的機器學習算法，以及要問什么問題。開發(fā)人員還需要評估特定領域的SaaS或打包應用程序是否適合給定的項目，因為需要大量的培訓數(shù)據(jù)。
使用機器學習，開發(fā)人員可以構建智能應用程序來生成建議、預測結果或做出自動化的決策。
5. DevOps走向無操作
我們都同意devops對于幫助開發(fā)人員快速構建新的應用程序和特性非常重要，同時保持高質(zhì)量和性能。devops的問題是開發(fā)人員需要花費他們60%的時間在方程的操作一邊，從而縮短開發(fā)的時間。開發(fā)人員必須集成各種持續(xù)集成和持續(xù)交付(CICD)工具，維護這些集成，并隨著新技術的發(fā)布不斷更新CI / CD工具鏈。每個人都有CI，但沒有太多的人做CD。開發(fā)人員會堅持使用云服務來幫助鐘擺在2018年回歸開發(fā)。這將需要更大的自動化。
Docker提供了打包、可移植性以及進行敏捷部署的能力。您需要CD作為Docker生命周期的一部分。例如，如果您正在使用容器，一旦您將代碼更改提交給Git，那么構建的默認構件應該是具有新版本代碼的Docker映像。此外，映像應該被自動推送到Docker注冊表中，并將一個容器從映像部署到devtest環(huán)境中。在QA測試和部署到生產(chǎn)之后，應該為您處理容器的編排、安全性和擴展。商業(yè)領袖正在向開發(fā)者施壓，要求他們更快地提供新的創(chuàng)新;devops模型必須為開發(fā)人員騰出更多的時間使其成為可能。
6. 開源作為一種服務，加速了開源創(chuàng)新的消費
開源模式仍然是創(chuàng)新的好引擎之一，但實現(xiàn)和維護創(chuàng)新往往過于復雜。例如:
您想要一個流數(shù)據(jù)/事件管理平臺，所以您可以轉向Kafka。當您開始在規(guī)模上使用Kafka時，您必須設置額外的Kafka節(jié)點和負載平衡大型Kafka集群，隨著Kafka的新版本的發(fā)布更新這些集群，然后將此服務與您的其他環(huán)境集成起來。
您需要容器編排的Kubernetes。平臺應該為您的Kubernetes集群服務，而不是為您的Kubernetes集群處理升級、備份、恢復和補丁。Kubernetes每六個星期航行一次，所以這個平臺應該有滾動部署和自我修復。
您需要為NoSQL數(shù)據(jù)庫提供Cassandra。您應該希望備份(在計劃中是增量的或完整的)、補丁、集群、擴展和高可用的Cassandra集群，由平臺來管理。
開發(fā)人員將越來越多地尋找云服務，以便在處理這些技術的操作和管理方面的同時，從開放源碼中提供所有的高速創(chuàng)新。
7. 無服務器計算的架構在生產(chǎn)中會變得很大
無服務器架構的吸引力是顯而易見的:當需要基于某個事件執(zhí)行我的代碼時，基礎架構被實例化，我的代碼被部署和執(zhí)行，而我只在代碼運行的時候被收取費用。假設你想建立一個旅行預訂功能來預訂/取消航班、酒店和租車。每個操作都可以構建為一個以不同語言編寫的無服務器函數(shù)，如Java、Ruby、JavaScript和Python。沒有應用程序服務器在運行我的代碼;相反，只有在需要時，函數(shù)才被實例化并在基礎結構上執(zhí)行。
對于開發(fā)人員來說，將無服務器的函數(shù)串在一起執(zhí)行復雜的事務會帶來新的挑戰(zhàn):描述如何將這些函數(shù)鏈接在一起，調(diào)試分布式事務，并決定如何在一個函數(shù)的鏈上失敗，從而創(chuàng)建補償事務來取消不適當?shù)母摹ふ以品蘸烷_放源碼工具，比如FN項目，通過幫助開發(fā)人員輕松地管理服務器功能的編程、組成、調(diào)試和生命周期管理，并在筆記本電腦或on - prem服務器或任何云上部署和測試它們，從而繁榮發(fā)展。關鍵是要選擇一個提供大可移植性的無服務器平臺。
8. 關于容器的唯一問題是"為什么不呢?"
容器將成為開發(fā)/測試工作的默認值，并成為生產(chǎn)應用程序的常見內(nèi)容。在開源創(chuàng)新和行業(yè)標準的驅(qū)動下，希望在安全性、可管理性、編制、監(jiān)控和調(diào)試方面持續(xù)改進。容器為驅(qū)動現(xiàn)代開發(fā)的許多趨勢提供了構建塊，包括微服務體系結構、云本地應用程序、無服務器函數(shù)和devops。
容器在任何地方都是沒有意義的——例如，當您需要一個更規(guī)定性的云平臺時，例如集成PaaS或移動PaaS，但是這些更高級別的云服務將自己運行在容器上，并且將是證明規(guī)則的異常。
此外，軟件許可模型用于高價值、商業(yè)、現(xiàn)場的軟件，將不得不接受容器采用的傳播。軟件的定價模型必須支持"打開"和"關閉"許可，因為容器被實例化、放大和縮小。
9. 軟件和系統(tǒng)可以自我修復、自我調(diào)節(jié)和自我管理
開發(fā)人員和生產(chǎn)操作團隊正在從日志、web /應用程序/數(shù)據(jù)庫性能監(jiān)視和用戶體驗監(jiān)視和配置中淹沒數(shù)據(jù)。此外，這些不同類型的數(shù)據(jù)都是豎向的，所以您必須將許多人帶入一個房間來調(diào)試問題。然后就是知識轉移的問題:開發(fā)人員花了大量的時間來講述他們的應用程序的輸入和輸出、設置的閾值、用于監(jiān)視事務的服務器拓撲，等等。
通過聚合大量的數(shù)據(jù)到一個存儲庫(在日志、性能指標、用戶體驗,和配置,例如),并應用大量的計算能力,機器學習,和專用算法,基于云計算的系統(tǒng)管理服務將大大緩解性能/日志/配置監(jiān)視。這些云服務將通過觀察事務來建立基線，通過觀察事務(從必須管理閾值來節(jié)省ops團隊)，并了解與事務自動關聯(lián)的服務器拓撲。使用針對這些基線的異常檢測，系統(tǒng)管理服務將自動能夠告訴開發(fā)人員，當事情偏離正常的行為時，并能夠顯示特定事務的問題的根源。
開發(fā)人員需要考慮如何在編寫應用程序時利用這種自動化，以便能夠在云中這些智能管理系統(tǒng)之上創(chuàng)建自管理應用程序。
10. 高度自動化的安全性和遵從性努力成為開發(fā)人員的新同盟
盡管開發(fā)人員通常認為安全性和遵從性是"其他人的工作"或"交付代碼的瓶頸"，但基于機器學習和交付的綜合安全性和遵從性機制的出現(xiàn)，將有助于使這些努力與快速的開發(fā)步調(diào)一致。具體地說，高度自動化的網(wǎng)絡防御將被部署到"上游"，以識別和糾正開發(fā)和"下游"的潛在安全風險，從而自動調(diào)整公司的安全配置文件，以適應正在進行的應用程序和環(huán)境變化(識別攻擊、修復漏洞和評估持續(xù)的遵從性)。
在某些情況下，這種保護是必要的，持續(xù)的合規(guī)評估是GDPR和類似任務的標志。開發(fā)人員、安全專業(yè)人員和最終用戶都將受益于在devops生命周期中更加嚴格的、自動化的安全方法。

網(wǎng)站欄目：10條關于2016年軟件開發(fā)的預測，不僅僅是區(qū)塊鏈
文章轉載：http://jinyejixie.com/news/45447.html

網(wǎng)站建設、網(wǎng)絡推廣公司-創(chuàng)新互聯(lián)，是專注品牌與效果的網(wǎng)站制作，網(wǎng)絡營銷seo公司；服務項目有網(wǎng)站維護、軟件開發(fā)等

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)