2019年数据驱动下的DevOps.pdf

《2019年数据驱动下的DevOps.pdf》由会员分享，可在线阅读，更多相关《2019年数据驱动下的DevOps.pdf（22页珍藏版）》请在三个皮匠报告上搜索。

1、数据驱动下的DevOps 录01驱动？数据驱动？02发动DevOps的数据引擎03反馈！决策与变04总结驱动？数据驱动？指引向反馈问题提供动辅助决策业务驱动动源于需求，以业务发展为的。技术驱动以技术为本，技术是第产数据驱动数据价值被充分挖掘，产动业务驱动技术驱动数据驱动提市场占有率、碑、影响；业务拓展指标反应发展情况优劣。提技术门槛、技术先进性，产技术壁垒；技术能低以及技术转化率为要指标。全链路数据跟踪，多维度分析产价值；辅助决策、推动变，反馈到数据产节点。发动DevOps的数据引擎DevOps现状报告2018吞吐量稳定性可性软件交付度量指标：；吞吐量：部署频率，变更交付周期。稳 定 性：变更

2、失败率，问题平均恢复时长（MTTR），平均故障间隔时间（MTBF）。可 性：确 保 信 息 可 被 及 时 且 可 靠 访 问 的 能 ；软件交付与运维效能（SDO效能）“如果不能度量，就法改进！”彼得德鲁克需求管理源码管理CI过程CD过程l需 求 总 量；l各 阶 段 需 求 数 量；l需 求 交 付 进 度；l资 源 分 配 情 况；l代 码 提 交 频 率；l增 量 扫 描；l 动 构 建 部 署；l有 效 代 码 数；l仓 库 代 码 总 量；l 均 提 交 量；l构 建 时 长、次 数；l构 建 频 率、成 功 率；l单 元 测 试 情 况；l测 试 代 码 覆 盖 率；l 动 化

3、测 试 报 告；lB u g 情 况；l源 码 集 成 情 况；l版 本 发 布 历 史l部 署 时 长、成 功 率；l系 统 资 源 监 控；l服 务 监 控；l线 上 问 题 反 馈；l平 均 恢 复 时 间；引领性指标 可预见性 可控性滞后性指标 强烈的的性 结论性（历史数据）改进的措施改进的依据度量指标的意义：从可度量的数据中挖掘价值！数据研发过程度量指标 产提 炼反 馈DevOps度量指标阶段引领性指标滞后性指标需求阶段项完成度（燃尽图）交付频率研发阶段千代码缺陷率5%代码提交频率重复代码率、代码全复杂度等有效代码占测试阶段提测次数Bug重开率动化测试通过率、代码覆盖率千代码Bug数

4、量发布阶段发布部署时长发布频率部署成功率平均恢复时间标（Goal）：根据度量指标反馈的现象建标。问题（Question）：定义我们在逐步靠近标的过程中遇到的问题，以确定进展或者标的实现。识别矩阵并设置动模型：使特定的必要矩阵来组织问题的答案的法建度量模型，进设置动模型。标问题矩阵法（Goal-Question-Metric Approach)G保证产品交付的代码质量！Q研发各阶段的作是否都符合这个标？M1代码扫描：缺陷率控制在5以下；M2Code Review：必须由专Review代码；M3动化测试：case通过率在98%以上；反馈！决策与变度量的标是改进与优化，改进与优化的对象是研发过程！研

5、发模式DevOps平台研发效能保证质量提升效率提升平台能改进研发模式平台能研发模式质量效率l 持代码扫描；l 持动化测试；l 安全策略动检查；l l 约束代码规范；l 强制Code Review；l 多质量卡点配置（Bug、缺陷）；l l 动化构建部署；l Pipeline以及多种触发机制；l 增量代码扫描；l l 多分并开发；l 完善的分策略；l 消除效提测请求；l 驱动决策数据撑我们的决策，通过数据来拍板，包括流程控制、研发模式，甚员安排等等。驱动变根据数据抽象模型，将问题反馈到产品设计中，推动研发模式的优化以及平台的改进。024681012141618张三李四王五赵六孙七周Bug重开次数

6、迭代-V2.7.3G降低Bug重开次数！Q测试例是否直都较全？研发员是否有确认Bug已修复？M1测试例评审：检查是否合格！M2增加冒烟测试：提供Bug修复确认报告；M3研发能不：增加专业技能培训；驱动决策需求确认设计实现代码扫描代码评审测试发布运营研发阶段测试验证阶段发布阶段驱动变驱动变G提升研发效率！QM1持增量扫描，实时提供报告M2M3Q研发阶段提升效率测试阶段提升效率M1M2提供增量代码Code Review规则策略项管理代码托管构建部署功能测试敏捷看板代码托管分策略H