Работа в OPS: Трендовые позиции — Часть 2
Тренды Ops-технологий «на взлете»
Пока многие специалисты все еще называют DevOps скорее философией и набором инструментов, чем отдельной специализацией в сфере IT, в мире набирают спрос новые Ops-специальности.
В первой части этой статьи мы уже разобрали, кто такие DevOps, SRE, SecOps и FinOps. Настало время разобраться в DataOps, AIOps, TestOps, SysOps, ITOps и NoOps. Что это за специалисты, как ими стать и каким бизнесам уже стоит обратить на них внимание — рассказываем ниже.
DataOps
Специалисты по DataOps — практики с хорошим бэкграундом в DevOps с дополнительными функциями аналитики и работы с Big Data. Основная задача Data Ops — повышение скорости анализа и создание отчетов для пользователей.
Автоматизация процессов все еще остается ключевым поинтом в работе DataOps. Фактически, это совсем новая специальность на стыке технологий и аналитики. Сейчас появляются большие массивы данных, которые нужно анализировать и автоматизировать. Это и делает DataOps-специалистов такими актуальными. Учитывая хороший спрос на аналитиков и решения на основе Big Data, внедрение этой технологии поможет бизнесу быть на шаг впереди в ближайшие несколько лет.
В задачи DataOps может входить:
- обеспечение доступа к нескольким источникам данных;
- упрощение тестирования и мониторинга процессов управления данными;
- создание моделей и управление версиями данных;
- управление качеством, безопасностью, конфиденциальностью и хранением данных;
- управление и развертывание инфраструктуры;
- создание и настройка стандартов, процессов и методологий для продукта анализа данных.
MLOps
Методы машинного обучения набирают популярность и бизнес все чаще внедряет такие технологии в свои процессы. MLOps (или DevOps для машинного обучения) организуют стабильное взаимодействия между всеми участниками процесса работы с Machine Learning: инженерами и разработчиками Big Data, Data Scientist и другими.
Впервые об отдельной специализации MLOps заговорили после презентации Google в 2018 году, посвященной AI (искусственному интеллекту).
В задачи MLOps могут входить:
- унификация цикла выпуска моделей и продуктов в Machine Learning;
- автоматизация проверки данных, тестирования ML-модели и ее интеграций;
- поддержка моделей машинного обучения;
- сокращение технического долга по ML-моделям;
- помощь DataOps-специалистам / Data Scientist.
AIOps
Если DataOps помогает в работе тем, кто работает с Ops-технологиями, то AIOps — помогает оптимизировать и настроить процессы, в том числе и с Big Data. AIOps или искусственный интеллект в IT-операциях — метод, который использует науку о данных и искусственный интеллект для анализа IT-инфраструктуры. Для этого он использует Big Data-инструменты. Основное задание AIOps — повышение скорости и эффективности услуг и обеспечение классного пользовательского опыта.
Специалист AIOps действительно может быть полезен большим организациям с масштабной IT-инфраструктурой на облачных серверах. С его помощью можно снизить затраты компании на облако и повысить безопасность с помощью искусственного интеллекта.
В пул задач AIOps входит:
- сбор и агрегирование больших данных;
- создание автоматических системных ответов с помощью машинного обучения;
- работа с масштабируемыми моделями развертывания производства;
- создание модели искусственного интеллекта для прогнозирования будущих проблем.
TestOps
TestOps — специальность на стыке задач DevOps и QA. Специалисты в этой сфере отвечают за интеграцию автоматических тестов в процессе развертывания приложений.
В работе TestOps можно выделить несколько ключевых направлений:
- создание экосистемы тестирования со структурой автоматизации и интегрированных инструментов;
- использование платформы автоматизации тестирования;
- контроль качества продукта и программного обеспечения.
ITOps
IT Ops или Information Technology Operations — это специалист, который отвечает за обслуживание приложений, услуг, инструментов и технологий для управления компанией.
Метод ITOps, в основном, включает в себя сетевую инфраструктуру, компьютерные операции и службу поддержки, а также управление серверами и устройствами. Это одна из четырех функций в рамках ITIL-практики.
В пул задач ITOps входит:
- контроль процессов IT-операций;
- управление и обслуживание IT-инфраструктуры и оборудования;
- установка сетевых функций / приложений и управление ими;
- создание плана аварийного восстановления для организации;
- измерение и контроль производительности IT-инфраструктуры;
- резервное копирование данных;
- настройка серверов для повышения производительности;
- управление лицензированием программного обеспечения.
SysOps
SysOps расшифровывается как System Operations. В прошлом «SysOps» или «системным оператором» называли любого специалиста, который отвечал за любую компьютерную систему. Но с развитием облачных технологий так стали называть ответственных за многопользовательские системы. Для работы SysOps нужны: опыт развертывания, масштабирования, миграции и управления системами, в частности, облачными.
В отличие от DevOps, SysOps работают по подходу ITIL (библиотека инфраструктуры информационных технологий). В пул задач SysOps может входить:
- управление жизненным циклом программного обеспечения в облаке;
- администрирование многоуровневой системной архитектуры;
- настройка инфраструктуры в облаке;
- управление патчами и обновлениями программного обеспечения;
- управление аварийным восстановлением (Disaster recovery);
- поддержка целостности данных;
- контроль производительности.
NoOps
Автоматизировать все, что движется, а что не движется — двигать и автоматизировать! Примерно так простыми словами может звучать суть работы NoOps. Лучшим результатом работы такого специалиста должно стать «поедание самого себя» — компании больше не потребуется собственная команда по управлению программным обеспечением (команда Ops).
В работе NoOps можно выделить два ключевых поинта:
- автоматизация IТ;
- облачные вычисления.
Фактически, концепция работы NoOps заключается в том, чтобы передать все Ops-задачи из внутренней команды в работу облачным провайдерам. А сама суть деятельности NoOps тесно связана с таким понятием, как Platform as a Service.
PaaS — это модель предоставления облачных вычислений. Потребитель получает доступ к использованию различных IT-платформ при помощи провайдера или внешнего представителя. Известные примеры PaaS: Amazon, Salesforce, Microsoft и другие.
Стоит отметить, что даже в своей колыбели, на западном рынке, концепция NoOps все еще считается теоретической. Поэтому ожидать массового сокращения команд опсов в ближайшее время не нужно.
Остались вопросы в том, какой специалист нужен вашей компании или какие скиллы запросить для какой-то из новых специальностей? Команда рекрутингового агентства ITExpert поможет в составлении описания вакансии или определении требований на позиции — даже если эти специальности недавно появились на рынке.
Насколько полезным был этот пост?
Click on a star to rate it!
Средний рейтинг 5 / 5. Количество голосов: 11
Оценок пока нет! Будьте первым, кто оценит этот пост.