Data science

DevOps กับ DataOps: อะไรคือความแตกต่าง?

ในคุณสมบัติพิเศษของแขกรับเชิญนี้ Itamar Ben Hemo ซีอีโอของ Rivery กล่าวถึงความเหมือนกันและความแตกต่างระหว่าง DevOps และ DataOps Rivery เป็นแพลตฟอร์ม DataOps ที่ปรับปรุงการรวมข้อมูล การแปลง และการจัดการข้อมูล Ben เป็นผู้บริหารธุรกิจที่ช่ำชอง Ben เป็นผู้ร่วมก่อตั้งและ CEO ของ Vision.BI ซึ่งเป็นบริษัทที่ปรึกษาด้านข้อมูลชั้นนำที่ Keyrus Group เข้าซื้อกิจการ ที่ Keyrus เขาเป็นผู้ก่อตั้งและรองประธานกลุ่มสำหรับอเมริกาเหนือ หลายคนเข้าใจว่า DataOps เป็นเพียง “DevOps สำหรับข้อมูล” แม้ว่าทั้งสองเฟรมเวิร์กจะมีชื่อคล้ายกัน แต่ DevOps และ DataOps ไม่ใช่วิธีการเดียวกัน อย่างไรก็ตาม กรอบงานทั้งสองมีหลักการร่วมกันหลายอย่าง ด้วยเหตุนี้ สำหรับผู้เชี่ยวชาญด้านข้อมูลและผู้มีส่วนได้ส่วนเสียอื่นๆ สิ่งสำคัญคือต้องเข้าใจว่าอะไรที่ทำให้ DataOps แตกต่างจาก DevOps อ่านการเปรียบเทียบด้านล่างเพื่อเรียนรู้ทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับ DevOps กับ DataOps DevOps เร่งการส่งมอบผลิตภัณฑ์ซอฟต์แวร์คุณภาพสูง DevOps รวมการพัฒนาซอฟต์แวร์ (Dev) และการดำเนินงานด้านไอที (Ops) เข้าด้วยกันเพื่อเพิ่มความเร็วในการส่งมอบผลิตภัณฑ์ซอฟต์แวร์คุณภาพสูง DevOps เกิดขึ้นในช่วงปลาย 60 ออกแบบมาเพื่อทำลายระบบไซโลภายในบริษัทที่ตัดการสื่อสารและการประสานงานระหว่างทีมพัฒนาและทีมไอที การขาดการทำงานร่วมกันระหว่าง dev และ IT ในการปรับใช้ซอฟต์แวร์ที่ตึงเครียด และนำไปสู่ผลิตภัณฑ์ซอฟต์แวร์ที่ล่าช้า ไม่มีประสิทธิภาพ หรือใช้งานไม่ได้ ด้วยการนำสองแผนกนี้มาอยู่ภายใต้ร่มเดียวกัน ทีม DevOps สามารถเขียน (dev) และปรับใช้ซอฟต์แวร์ (IT) ภายในกรอบการทำงานอัตโนมัติที่เป็นหนึ่งเดียว DevOps ได้แนะนำชุดแนวทางปฏิบัติหลักที่ตอนนี้เป็นมาตรฐานในอุตสาหกรรมซอฟต์แวร์ ซึ่งรวมถึง: การจัดการซอร์สโค้ดหรือการควบคุมเวอร์ชัน ช่วยให้ทีมนักพัฒนาสามารถติดตามและควบคุมการเปลี่ยนแปลงในซอร์สโค้ดในเวอร์ชันและช่วงเวลาต่างๆ การรวมอย่างต่อเนื่อง (CI) รวมซอร์สโค้ดของนักพัฒนาเข้ากับสาขาของโค้ดหลัก ควรวันละหลายๆ ครั้ง การทดสอบอัตโนมัติทำการทดสอบอัตโนมัติกับซอร์สโค้ดใหม่ เพื่อให้ทีมนักพัฒนาได้รับคำติชมทันที การส่งมอบอย่างต่อเนื่อง (CD) ทดสอบโค้ดใหม่ว่าเป็นสิ่งประดิษฐ์ของซอฟต์แวร์ในสภาพแวดล้อมการจัดเตรียม เพื่อให้มั่นใจในคุณภาพและความสม่ำเสมอของผลิตภัณฑ์ก่อนเผยแพร่ การปรับใช้อย่างต่อเนื่อง (เช่น CD) จะพุชโค้ดใหม่เข้าสู่สภาพแวดล้อมการใช้งานจริงโดยอัตโนมัติ ในช่วงเวลาที่เล็กและบ่อยครั้ง นอกเหนือจากองค์ประกอบหลักเหล่านี้ เฟรมเวิร์ก DevOps ยังรวมการพัฒนาที่คล่องตัวด้วย การพัฒนาแบบ Agile มุ่งเน้นไปที่การอัปเดตผลิตภัณฑ์ทีละน้อยทีละน้อย ซึ่งต่างจากรุ่นทั้งหมดในคราวเดียว Agile แบ่งกระบวนการพัฒนาซอฟต์แวร์ออกเป็น “sprints” โดยแต่ละเป้าหมายมีเป้าหมายที่ทีมนักพัฒนาจะต้องทำให้สำเร็จ ระยะเวลา 1-4 สัปดาห์ การวิ่งรวมความคิดเห็นของผู้มีส่วนได้ส่วนเสียอย่างต่อเนื่อง นับตั้งแต่ก่อตั้งเมื่อสิบกว่าปีที่แล้ว DevOps ได้ปฏิวัติวิธีการสร้างและเปิดตัวซอฟต์แวร์อย่างรวดเร็ว ตอนนี้ทีม DevOps ชั้นนำปรับใช้การอัปเดตซอฟต์แวร์ 208x บ่อยกว่าทีม dev รุ่นเก่า และรักษาอัตราความล้มเหลวให้ต่ำกว่า 7 เท่า DevOps ช่วยให้ Amazon ปรับใช้โค้ดใหม่ทุก ๆ 11 7 วินาที และ Etsy เพื่อเปิดใช้การอัปเดตโค้ดมากกว่า 60 ครั้งต่อ วัน. ด้วยประวัติที่ประสบความสำเร็จ DevOps ดูเหมือนจะพร้อมสำหรับการประยุกต์ใช้กับเทคโนโลยีด้านอื่น ๆ และนั่นคือที่มาของ DataOps เป็นครั้งแรก แต่ DataOps เป็นมากกว่าแค่ DevOps สำหรับข้อมูล DataOps ทำให้การประสานข้อมูลเป็นไปโดยอัตโนมัติเพื่อส่งข้อมูลทั่วทั้งองค์กรได้อย่างรวดเร็ว DataOps เป็นวิธีการที่ผสมผสานเทคโนโลยี กระบวนการ หลักการ และบุคลากรเพื่อทำให้การประสานข้อมูลทั่วทั้งองค์กรเป็นไปโดยอัตโนมัติ องค์กรต่างๆ ใช้ DataOps เพื่อส่งมอบข้อมูลคุณภาพสูงตามความต้องการให้กับลูกค้าสถาบันโดยเร่งการพัฒนาและปรับใช้เวิร์กโฟลว์ข้อมูลอัตโนมัติ เมื่อองค์กรเติบโตขึ้นและความต้องการข้อมูลมีความซับซ้อนมากขึ้น DataOps เสนอกรอบการทำงานที่ยืดหยุ่นสำหรับการส่งข้อมูลที่ถูกต้อง ในเวลาที่เหมาะสม ไปยังผู้มีส่วนได้ส่วนเสียที่เหมาะสม DataOps ปรับใช้โครงสร้างพื้นฐานข้อมูลใหม่อย่างรวดเร็วเพื่อตอบสนองลำดับความสำคัญที่เปลี่ยนแปลงอย่างรวดเร็วของลูกค้าทั้งหมด ตั้งแต่ผู้บริหาร นักการตลาด ไปจนถึง SDR DataOps ใช้หลักการเดียวกับ DevOps แต่ในขณะที่ DevOps ทำการปรับใช้ซอฟต์แวร์โดยอัตโนมัติ DataOps จะทำการประสานข้อมูลโดยอัตโนมัติ – การส่งมอบข้อมูลจากต้นทางถึงปลายทาง DevOps สร้างผลิตภัณฑ์ซอฟต์แวร์ DataOps สร้างเวิร์กโฟลว์ข้อมูล เวิร์กโฟลว์ข้อมูลเหล่านี้ทำให้การนำเข้า การแปลง และการรวมข้อมูลเป็นไปโดยอัตโนมัติ DataOps ใช้โครงสร้างพื้นฐานของข้อมูล เช่น ไปป์ไลน์ข้อมูลและการแปลงตาม SQL เพื่อขับเคลื่อนเวิร์กโฟลว์อัตโนมัติเหล่านี้ “ผลิตภัณฑ์ซอฟต์แวร์” ที่ทีม DataOps ทำงานระหว่างการวิ่ง โดยปกติแล้วจะเป็นโครงสร้างพื้นฐานของข้อมูล ในบางกรณี โครงสร้างพื้นฐานจะถือว่าเป็นรหัส หรือโครงสร้างพื้นฐานเป็นรหัส (IaC) ภายในเฟรมเวิร์กนี้ ทีม DataOps สามารถใช้หลักการของ DevOps กับ IaC ราวกับว่าเป็นผลิตภัณฑ์ซอฟต์แวร์อื่นๆ อย่างไรก็ตาม ทีมอื่นๆ ชอบที่จะสร้างโครงสร้างพื้นฐานของข้อมูลผ่านแพลตฟอร์มการจัดการข้อมูลและอินเทอร์เฟซผู้ใช้ แต่ยังคงใช้หลักการของ DevOps ในระหว่างกระบวนการสร้าง ส่วนประกอบหลักบางส่วนของ DevOps ที่แสดงไว้ในส่วนข้างต้น นำไปใช้กับ DataOps ได้ดังนี้: การควบคุมเวอร์ชันช่วยให้ทีมนักพัฒนาสามารถติดตามและควบคุมการเปลี่ยนแปลงในโครงสร้างพื้นฐานของข้อมูล ข้ามเวอร์ชันและช่วงเวลาต่างๆ ได้ การปรับปรุงนี้ทำให้การแก้ไข ย้อนกลับ และการดีบักของ IaC มีประสิทธิภาพมากขึ้น การบูรณาการอย่างต่อเนื่อง (CI) รวมนักพัฒนา IaC เข้ากับสาขารหัสหลัก ควรวันละหลายครั้ง ด้วย CI นักพัฒนาไม่เคยเบี่ยงเบนไปจากสาขารหัสหลักมากเกินไป การทดสอบอัตโนมัติทำการทดสอบอัตโนมัติบนโครงสร้างพื้นฐานข้อมูลใหม่ เพื่อให้ทีมนักพัฒนาได้รับคำติชมทันที รวมถึงการทดสอบหน่วย การทดสอบการทำงาน และการทดสอบแบบ end-to-end การส่งมอบอย่างต่อเนื่อง (CD) จะทดสอบโครงสร้างพื้นฐานของข้อมูลใหม่ในสภาพแวดล้อมการจัดเตรียมเพื่อให้มั่นใจในคุณภาพและความสม่ำเสมอก่อนเผยแพร่ ซึ่งจะช่วยหลีกเลี่ยงข้อบกพร่องและการหยุดชะงักสำหรับผู้ใช้ การปรับใช้อย่างต่อเนื่อง (รวมถึง CD) จะผลักดันโครงสร้างพื้นฐานข้อมูลใหม่แบบสดโดยอัตโนมัติไปสู่สภาพแวดล้อมการผลิต ซึ่งเหมาะสำหรับการเปลี่ยนแปลงเพียงเล็กน้อยและบ่อยครั้ง การดำเนินการนี้จะลบโค้ดแบบแมนนวลและงานการผสานไปป์ไลน์และเร่งการอัปเดตผลิตภัณฑ์ DataOps และ DevOps อาจใช้หลักการเดียวกันในการพัฒนาและปรับใช้ แต่ DevOps เป็นเพียงองค์ประกอบหนึ่งของ DataOps บุคลากร เทคโนโลยี และกระบวนการที่คล่องตัวยังมีบทบาทสำคัญใน DataOps องค์กรสามารถรับรู้ถึงประโยชน์อย่างเต็มที่ของ DataOps ได้ก็ต่อเมื่อส่วนประกอบทั้งหมดเหล่านี้ถูกรวมเข้าเป็นเฟรมเวิร์กแบบรวมศูนย์ แม้ว่าวิธีการทั้งสองจะทับซ้อนกันและมีชื่อคล้ายกันมาก แต่ก็ใช้แทนกันไม่ได้ ทีมข้อมูลต้องเข้าใจความแตกต่างระหว่างพวกเขาเพื่อสร้างกรอบงาน DataOps ที่มีประสิทธิภาพ DataOps ใช้ประโยชน์จาก DevOps ที่ดีที่สุด แต่ไม่เหมือนกัน เนื่องจากเศรษฐกิจมีการขับเคลื่อนด้วยข้อมูลมากขึ้น และความต้องการข้อมูลของลูกค้าสถาบันเติบโตขึ้นอย่างรวดเร็ว ทีมข้อมูลไม่สามารถพึ่งพาเทคโนโลยีเพียงอย่างเดียวเพื่อรักษาความสามารถในการแข่งขันได้ พวกเขาต้องสร้างกรอบโครงสร้างองค์กรที่คล่องตัวเพื่อส่งข้อมูลเมื่อผู้มีส่วนได้ส่วนเสียต้องการ นี่คือสิ่งที่ DataOps ออกแบบมาเพื่อทำ ด้วยการควบคุม DevOps DataOps จะแทรกวิธีการและแนวทางปฏิบัติยอดนิยมของการพัฒนาซอฟต์แวร์ลงในกระบวนการประสานข้อมูล ทำให้สามารถส่งข้อมูลไปยังลูกค้าในองค์กรทั้งหมดได้อย่างรวดเร็ว หากมีประเด็นสำคัญประการหนึ่งในบทความนี้ DataOps ต้องการหลักการของ DevOps เพื่อให้ข้อมูลแก่ผู้มีส่วนได้ส่วนเสียอย่างรวดเร็วและมีประสิทธิภาพ แต่ DevOps และ DataOps ไม่ใช่สิ่งเดียวกัน ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button