IT领域的运维（Ops）经历了显著演变，也伴随着大量炒作。理解这一概念的一种方式，是根据维护组织数字业务的各团队所承担的角色和职责，将其分为两类：一类是面向网络、安全和应用生命周期的“基于角色”运维（NetOps、SecOps、DevOps）；另一类是旨在简化技术、流程以及从洞察到行动的反馈闭环的“基于技术栈”运维（DataOps、MLOps、ModelOps、PlatformOps、AIOps、GitOps、FinOps）。
Ops究竟是什么？
时至今日，各团队已突破传统职责范围，采用新的工作模式，以提高效率和成效。例如，通过DevSecOps协调安全团队（SecOps）与开发团队（DevOps/AppDev）。
那么，“XOps”究竟是什么？正如本博客所探讨的，科技行业正着手融合原则与流程、技术和角色，覆盖整个应用目录中的所有基础设施和安全要素，从而简化运营、减少繁重工作并缩短价值实现时间，同时有效利用AI这一平台能力。
基础技术栈中的关键优势
根据Gartner的定义，XOps（包括DataOps、MLOps、ModelOps和PlatformOps）的目标是“运用DevOps最佳实践提高效率并实现规模经济，同时确保可靠性、可复用性和可重复性”。1
正如《2021 年应用战略现状报告：XOps 版》所述，F5 首席技术官办公室（OCTO）曾预测，随着数字化转型持续迈向AI辅助型业务，可能需要增设运营团队，将海量遥测数据转化为洞察和行动。归根结底，要将AI产生的海量遥测数据转化为洞察和行动，需要建立一套专门的科学方法。毕竟，当小型项目扩展到生产环境时，无论此前多么成功，AI都可能在这一环节遭遇失败。
“要处理AI产生的海量遥测数据，需要一门专门的科学学科。”
时间来到2025年，《应用策略现状：AI就绪度》报告显示，尽管96%的组织正在实施AI模型，但只有2%的组织被评为“高度就绪”，能够应对AI部署过程中不断变化的需求。
XOps推动AI贯穿各项技术和岗位
科技公司正在积极扩展AI运营，但同时也面临治理、安全以及基础设施协调方面的挑战。AI模型多种多样，混合IT也将长期存在。具体用例、性能和安全考量，甚至组织偏好，都可能决定AI应用的训练和推理以及相关遥测数据采集应在何处进行，例如数据中心、多个云环境或边缘。总体方向应是将AI视为一种平台能力，并在所有运营职能中推动AI与基础设施及安全工具协同。这有助于科技公司有效利用遥测数据，将海量数据转化为洞察和行动。通过将AI融入所有基础设施、安全和运营战略，跨职能团队可以更好地支持公司的核心资产，即应用。
F5 Application Delivery and Security Platform (ADSP)
F5 ADSP是一个融合平台，可为任何应用或API提供交付和安全服务，包括全面的可见性、一致的策略和AI驱动的洞察，并可部署在任何位置。
通过统一管理不断扩展且高度分布式架构中的应用交付与安全，基础设施和安全团队可以降低复杂性并简化运营。通过减少繁琐工作、革新威胁检测并充分发挥主动安全能力，融合团队可以更快实现价值。具体方式包括利用嵌入式AI助手轻松识别性能瓶颈，或运用智能体AI综合分析安全数据，以减少告警疲劳、识别实际风险并明确修复步骤。
F5 ADSP兼具灵活性与敏捷性，为跨职能团队提供差异化程度高、可扩展且安全的服务，并可原生融入其基础技术栈，使团队能够专注于最重要的工作，即打造有望推动数字世界变革的下一款突破性应用或服务。
如需了解更多信息，请查看F5 技术行业解决方案。
GARTNER是Gartner, Inc.和/或其关联公司在美国及其他国家和地区的注册商标和服务标志，本文经许可使用。保留所有权利。
1Gartner，《Gartner 确定 2021 年十大数据与分析技术趋势》，2021 年 3 月 16 日
关于作者
相关博客文章
WAF和API发现技术在保护智能体AI应用中的作用
智能体AI系统的功能和集成会在运行时快速变化。要以同样的速度保障其安全，需要通过API发现和Web应用防火墙（WAF）实施切实可行的控制措施。
