devsevo.

云加速推动需求和采用基于云的Devops

当组织将其现有应用程序迁移到云端或使用云本机开发来构建新应用程序时，我们会看到增加的云采用。结果是使用基于云的商业或开源工具的云Devops趋势增加。

缩放Devops跨企业推动敏捷性

一旦看到特定应用程序所取得的Devops益处，许多企业争取企业级Devops采用。但是，在企业级别的缩放需要更多地关注每个应用程序的CI / CD。

使用端到端集成Devsecops管道连续安全性

在互联网上暴露的B2B或B2C应用中，缓解安全问题和威胁的这种持续趋势更为普遍。端到端Devsecops管道包括以无触控方式的SAST，SCA，DAST，RASP和/或IAST的所有安全阶段集成。

在Devsecops中编写安全性和隐私控件的编码转移

要成功缩放企业的DevSecops，企业正在寻找使用可重用的框架和集中式Devsecops平台。通过在管道中实施统一的安全仪表板，它们将收集各种安全测试工具中发现的缺陷，包括SAST，SCA和DAST。具有成熟的Devsecops实现，企业也定义了指标和设置阈值。

SAP生态系统中Devsecops的出现

使用SAP的核心业务平台，对更改和更快的市场需求持续的需求。作为一个包，SAP已努力构建自包含的工具来管理应用程序生命周期。

开发端到端，内置平台功能

Devsecops越来越成为Salesforce生态系统的核心要素。Salesforce平台长期以来，它是强大的安全功能和管理托管数据访问的能力。但是，必须由供应商寻址DevSecops的某些维度，例如缺乏元数据的内置版本控制。

带集成数据流水线的端到端DATAOPS

公司将探索并通过各种数据工具和数据利益相关者的数据集成，以提供更快的业务价值。随着这种趋势，我们将通过自动化和自动服务工具看到数字化数据治理和集装箱化，以更大的重点放在价值交付上。

将人工智能和机器学习产品结合到DEVSCOPS中

AI / ML模型的生命周期涉及各个阶段 - 从数据收集，数据分析，功能工程和算法选择到建模，调整，测试，部署，管理，监控和反馈循环。

企业级AI模型管理的出现

随着AI倡议从概念验证到企业部署，组织面临着模型部署的工程复杂性的挑战，有效地扩展基础设施的能力以及缺乏AI模型可见性和治理。

数据科学项目的集成开发环境

数据科学家需要不同的开发环境，具体取决于数据的性质及其AI框架。传统上，数据科学家使用了各种开发工具来选择他们的桌面来开发ML模型，但部署和将它们与其AI生态系统部署并将其集成在一起是一项挑战。

开放，基于标准的，软件定义的网络和网络功能虚拟化

当前的网络转换专注于可编程性，由软件义网络（SDNS）和网络功能虚拟化（NFV）实现。SDN帮助使网络灵活并创建一个敏捷网络景观。在云计算平台的帮助下，NFV推动能力缩放。

开源，闭环AI OPS

监控和服务保证解决方案传统上使用了传统工具来管理网络并遵守商定的服务级别协议。但是，只有一个简单的网络管理协议到位，他们的监控能力有限。最新趋势正在迈向实时意图驱动的解决方案，这些解决方案主要是分布式和Cloudenabled。

团队在ALM工具周围创建自己的应用程序生态系统

企业正在搬家采用ALM工具，帮助控制软件开发，确保可衡量的敏捷性在向客户提供业务价值。促进这种敏捷性的基本要素是ALM工具提供的强大集成功能，它可以帮助企业扩展功能并允许与其他企业工具集成。

诺沃为IT基础架构带来极端的自动化和抽象

诺沃打算消除软件管理的人为干预。它旨在允许运营团队专注于更具价值添加的活动，而不是花时间在平凡的任务上。提供软件的元素，软件定义的基础设施和网络的高音器有助于诺沃成为现实。

利用先进技术进行自动化和自主检测

高速原理（使用AI驱动决策）是作为领先的战略技术趋势，整合了机器人过程自动化（RPA），AI / ML，智能业务管理软件和其他新兴技术，以提高企业的自动化水平。

在Devsecops中成熟安全集成到实时，自动修复漏洞

Devsecops在SDLC之前提出了安全性，在Devops中的开发和运营团队之间扩展了协作，包括安全团队。引入了安全测试工具，但未与连续测试管道集成。