通过 BMC AMI zAdviser Enterprise 和 Amazon Bedrock 实现

• 2026-01-27 14:53:52

借助 BMC AMI zAdviser Enterprise 和 Amazon Bedrock 实现 DevOps 成熟度

关键要点

在软件工程中，团队表现与构建健壮、稳定的应用程序之间存在直接关系。数据社区努力将软件开发中常用的严谨工程原则引入自身实践，包括设计、开发、测试及维护等系统化方法。这需仔细结合应用和指标，以确保全面的认识、准确性和控制。本文讨论了 BMC Software 如何将 AWS 生成式 AI 能力整合到其产品 BMC AMI zAdviser Enterprise 中，利用 Amazon Bedrock 为 DORA 指标数据提供摘要、分析和改进建议。

引言

在软件工程中，团队表现与构建稳健稳定应用之间有直接联系。数据社区力求采用软件开发中的严格工程原则，应用于自身实践中，包括设计、开发、测试及维护等系统性方法。这需要精心结合应用程序和指标，以提供全面的认知、准确性和控制能力。实现这一目标需要评估团队表现的所有方面，重视持续改进，这同样适用于主机与分布式和云环境，甚至可能更为重要。

这些目标可以通过诸如基础设施即代码IaC用于部署、自动化测试、应用可观察性和全面的应用生命周期所有权等实践实现。多年来，DevOps 研究与评估DORA团队识别出四个关键指标，这些指标表明了软件开发团队的表现：

指标描述部署频率组织成功发布到生产环境的频率变更交付时间从提交代码到投入生产所需的时间变更失败率导致生产故障的部署百分比恢复服务时间组织从生产故障中恢复所需的时间

这些指标提供了一种定量方法来衡量 DevOps 实践的有效性和效率。尽管对 DevOps 分析的关注多集中在分布式和云技术上，但主机仍然保持着独特而强大的地位，可以利用 DORA 四项指标进一步提升其作为商业引擎的声誉。

本文讨论了 BMC Software 如何将 AWS 生成式 AI 功能添加到其产品 BMC AMI zAdviser Enterprise 中。zAdviser 利用 Amazon Bedrock 提供针对 DORA 指标数据的摘要、分析和改进建议。

跟踪 DORA 4 指标的挑战

跟踪 DORA 4 指标意味着将数据整合在一起并放置在仪表板上。然而，衡量生产力实质上是衡量个人的表现，这可能让他们感到受到审视。这种情况下，可能需要改变组织文化，以将重点放在集体成就上，并强调自动化工具提升开发者体验。

避免关注无关数据或过度跟踪数据同样至关重要。DORA 指标的本质在于将信息浓缩为一组核心的关键绩效指标KPI以便评估。平均恢复时间MTTR通常是跟踪的最简单 KPI大多数组织使用 BMC Helix ITSM 等工具记录事件和问题跟踪。

捕获变更交付时间和变更失败率则可能更具挑战性，尤其是在主机上。变更交付时间和变更失败率 KPI 汇总来自代码提交、日志文件和自动化测试结果的数据。使用基于 Git 的 SCM 可以轻松汇集这些洞察。使用 BMC 的基于 Git 的 DevOps 平台 AMI DevX 的主机团队可以像分布式团队一样轻松地收集这些数据。

解决方案概述

Amazon Bedrock 是一种完全托管的服务，提供来自行业领先 AI 公司的高性能基础模型FMs，如 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon。通过单一 API，用户可以获得构建生成式 AI 应用所需的一系列广泛功能，包括安全性、隐私和负责任的 AI。

BMC AMI zAdviser Enterprise 提供丰富的 DevOps KPI，以优化主机开发并使团队能够主动识别和解决问题。通过机器学习，AMI zAdviser 监控主机的构建、测试和部署功能，提供 AI 驱动的持续改进建议。zAdviser 除了捕获和报告开发 KPI 外，还捕获 BMC DevX 产品的采用和使用数据。这包括调试的程序数量、使用 DevX 测试工具的测试结果等众多数据点。这些额外的数据点可以更深入地洞察开发 KPI，包括 DORA 指标，并可在未来的生成式 AI 应用中与 Amazon Bedrock 一起使用。

下图展示了 zAdviser Enterprise 最终实现生成式 AI 的架构，基于 DORA 指标的 KPI 数据提供摘要、分析和改进建议。

解决方案工作流程包括以下步骤：

创建聚合查询以从 Elasticsearch 检索指标。从在 Amazon Elastic Compute CloudAmazon EC2上托管的 zAdviser 中提取存储的主机指标数据。聚合从 Elasticsearch 检索的数据，并为生成式 AI Amazon Bedrock API 调用形成提示。将生成式 AI 提示传递给 Amazon Bedrock使用 Anthropic 的 Claude2 模型。将来自 Amazon Bedrock 的响应HTML 格式的文档存储在 Amazon Simple Storage ServiceAmazon S3中。通过 AWS Lambda 触发 KPI 邮件流程：从 Amazon S3 中提取 HTML 格式的电子邮件并将其添加到邮件正文。从 zAdviser 中提取客户 KPI 的 PDF 并附加到邮件中。将电子邮件发送给订阅者。

下图展示了使用 Amazon Bedrock 生成的 DORA 指标摘要，并以电子邮件形式发送给客户，其中包含 zAdviser 提供的 DORA 指标 KPI 仪表板报告的 PDF 附件。

好用的梯子免费

关键要点总结

在此解决方案中，当数据发送给 AI 客户端时，无需担心数据会暴露在互联网上。对 Amazon Bedrock 的 API 调用不包含任何个人可识别信息PII或可能识别客户的数据。传输的数据仅包括 DORA 指标 KPI 的数值以及生成式 AI 操作的指令。重要的是，生成式 AI 客户端不会保留、学习或缓存这些数据。

zAdviser 工程团队在短时间内成功实施了这一特性。这一快速进展得益于 zAdviser 对 AWS 服务的重大投资，特别是通过 API 调用轻松使用 Amazon Bedrock 的便利性。这突显了 Amazon Bedrock API 中体现的生成式 AI 技术的变革力量。该 API 结合了特定行业知识库 zAdviser Enterprise，并根据持续收集的组织特定 DevOps 指标进行了定制，展示了 AI 在这一领域的潜力。

生成式 AI 有望降低建立 AI 驱动型组织的门槛。尤其是大型语言模型LLMs能为寻求探索和利用非结构化数据的企业带来巨大的价值。除了聊天机器人，LLMs 还可以应用于多种任务，例如分类、编辑和摘要。

结论

本文讨论了生成式 AI 技术的变革性影响，以 Amazon Bedrock API 的形式，结合了 BMC zAdviser 所具备的行业特定知识，以组织特定的 DevOps 指标为基础，进行持续数据收集。

请查看 BMC 官网 以了解更多信息并设置演示。

关于作者

Sunil Bemarkar 是 Amazon Web Services 的高级合作伙伴解决方案架构师。他与各行各业的独立软件供应商ISVs和战略客户合作，加速他们的数字化转型和云采纳之旅。

Vij Balakrishna 是 Amazon Web Services 的高级合作伙伴发展经理。她帮助各行业的独立软件供应商ISVs加速他们的数字化转型之旅。

Spencer Hallman 是 BMC AMI zAdviser Enterprise 的首席产品经理。此前，他曾担任 BMC AMI Strobe 和 BMC AMI Ops Automation for Batch Thruput 的产品经理。在产品管理之前，Spencer 是主机性能的主题专家。他在多个平台和语言上的编程以及在运筹学领域的工作经历使他积累了丰富的经验。他拥有商业管理硕士学位，专攻运筹学，毕业于坦普尔大学，并获得佛蒙特大学计算机科学学士学位。他居住在宾夕法尼亚州德万，除了参加虚拟会议外，喜欢遛狗、骑自行车和与家人共度时光。

加载评论