下载掌阅APP，畅读海量书库
立即打开
当前关于Ops之间关系并没有一致认识，但Ops之间并非完全“杂乱无章、无迹可寻”，Ops的产生和演进是有逻辑性的。当前关于Ops之间关系的代表性观点有以下几种。
1.DataOps衍生自DevOps，DevOps、DataOps是各自领域Ops的基础
DataKitchen公司认为，随着软件行业的兴起，精益原则在软件开发环境中同样具有变革性，从而产生了DevOps等原则和实践。DevOps和敏捷带来的灵活性帮助许多公司在其市场中获得了领导地位，但DevOps本身不足以在数据组织中实现敏捷，因此数据分析领域创建了DataOps。DevOps是IT团队和软件团队的基础技术环境，DevOps是DevSecOps、GitOps、AIOps、CloudOps、AppOps、NoOps等的基础；DataOps则是数据分析团队的技术环境，DataOps是ModelOps、MLOps、AnalyticOps等的基础（见图2-3）。
图2-3 DevOps和DataOps的演进
资料来源：DataKitchen，2020
2.DevOps是大部分Ops术语的基础，也有一些与DevOps无关的Ops术语
Software AG公司认为，DevOps以更高效的方式将软件开发（Dev）和数字化运维/运营（Ops）结合在了一起。DevOps的对象是软件产品。由于DevOps非常成功，因此该方法也适用于其他对象，特别是有以下主要特征的对象。
●由单独处理的多个部分组成，可以自动构建与部署。
●可以自动测试对象。
●具有“生产性使用”的概念，生产环境可以使用声明方式描述，并且它们的设置是自动化的。
●可以自动部署到生产环境中，也可以从它回滚到早期版本。
●可以定义和自动收集目标环境中对象的性能指标（KPI）。DevOps衍生品的采用率很高，其中DataOps是最成熟的例子。
3.将Ops按与DevOps的接近程度不同，可分为多个类型
●原始DevOps的扩展，例如BizDevOps（将业务添加到范围）和DevSecOps（添加安全性）。
●将DevOps应用于具有可部署代码主要特征的对象，如DataOps和MLOps。
●将DevOps应用于任何不同于代码但可以在描述性模型中描述的东西，然后可以在类似软件部署的自动化过程中将其付诸实践。例如，GitOps结合了特定工具（Git）和DevOps原则来自动部署和实施基础架构。
●通过学习DevOps的原则和最佳实践，可以以正确的工具、系统和实践来促进团队协作。比如DesignOps、ContentOps、ResearchOps、ProductOps等。
●Ops只是作为“Operations”的缩写，与DevOps无关，例如AIOps是将AI应用于运营，但并未采用DevOps原则，与DevOps无直接关系。
4.XOps是DataOps、ModelOps、MLOps、Platform Ops等数据和AI领域Ops的总称
在Gartner 2021年发布的“十大数据和分析趋势”中，将XOps列为十大趋势之一。XOps将DevOps原则扩展到AI领域的所有关键工件。XOps（DataOps、MLOps、ModelOps、PlatformOps等）的目标是使用DevOps最佳实践，实现数据、机器学习、模型开发应用等的效率和规模经济，并确保可靠性、可重用性和可重复性，同时减少技术和流程的重复并实现自动化。
Gartner描述了XOps的以下要素。
●DataOps侧重于数据管道。
●MLOps的目标对象是机器学习模型，是可部署的对象。
●ModelOps涵盖了所有作为对象的AI和决策模型，包括ML模型（MLOps是ModelOps的一个子学科）、图模型、启发式模型、语言模型等。
●PlatformOps不是针对特定对象，而是描述了整个AI系统的编排，包括对DataOps、MLOps、ModelOps和DevOps的编排。图2-4展示了XOps的组成及PlatformOps的作用。
5.XOps是数字化运维领域各种Ops等的统称
与Gartner认为XOps是DataOps、MLOps、ModelOps、PlatformOps等数据和AI领域Ops的统称不同，一些国外机构、中国信息通信研究院（简称中国信通院）等所理解的XOps要更加宽泛，包含了更多内容。
图2-4 XOps的组成及PlatformOps的作用（来源Gartner，2021）
在“2022首届XOps产业生态峰会”上，中国信息通信研究院发布了“2022 XOps十大关键词”，解读了XOps产业的重要发展趋势，同时发布了“XOps评估”和“优秀案例评选”结果。根据大会发布结果，2022 XOps十大关键词是DevOps、DevSecOps、持续测试（Continuous Testing）、研发效能度量、AIOps、BizDevOps、FinOps、ArchOps、数字化治理。可以认为，XOps产业生态峰会将XOps的理解为“各种Ops”的统称。
在2022大数据产业峰会上，中国信通院发布了“2022大数据十大关键词”，DataOps位列其中。根据发布会，2022年中国信通院正式牵头启动了DataOps的标准建设工作。厂商中，诸如腾讯、阿里、亚信、海南数造等公司纷纷采纳DataOps的理念构建新一代数据研发工具平台。企业中的一些头部机构，例如中国工商银行、中国农业银行、中国移动等也在对DataOps进行实践。
Tredence是一家数据科学领域的公司，它提出了一个XOps框架（见图2-5）。Tredence认为XOps的核心是BizOps，没有这个核心整个业务价值链就会崩溃；DevSecOps可确保生产中的业务应用程序在遵守安全规范的同时继续保持相关性；DataOps处理流入生产应用程序（跨环境）的过多数据输入并对其进行维护；MLOps专注于在应用程序中维护机器学习模型（如果存在）；AIOps将所有各层缝合在一起，以确保在运行维护、快速问题识别和解决方面的无缝体验；最后，CloudOps使所有这些层能够以最佳方式适应云计算时代。
图2-5 Tredence公司使用的XOps框架
基于以上基础工作和进一步分析，提出了Ops演进的五种机制如图2-6所示。前三种机制适用于与IT、数据和AI相关领域的Ops演进，覆盖了80%的Ops演进；另两种适用于IT、数据及AI领域之外的Ops演进，覆盖了20%的Ops。
图2-6 Ops演进机制之间的关系
1.IT、数据和AI领域运维术语的演进
与ITOps、数据及AI相关的Ops的演进主要有三个机制：一是IT相关的职能、业务与Ops的交叉融合；二是敏捷和精益的原则、数据和AI的应用、新一代信息技术和基础设施等新要素加入Ops演进之中；三是Ops之间的交叉融合、自身细化。
（1）IT相关的职能、业务与Ops的交叉融合 在Ops发展中，数字化运维领域之外的职能、业务与ITOps不断加强融合。
●ITOps与开发融合，加上敏捷和精益原则，形成了DevOps。
●ITOps与安全（团队）融合，形成了SecOps。
●ITOps与业务融合，形成了BizOps。
●ITOps与IT服务融合，形成了ServiceOps。
●CloudOps与财务融合，形成了FinOps。
（2）新要素加入Ops演进之中 新要素在Ops演进之中发挥了巨大作用，主要的新要素包括敏捷和精益的原则、数据和AI的应用、新一代信息基础设施。
●敏捷和精益原则，加上ITOps与开发融合，形成了DevOps。
●数据、AI，加上敏捷和精益原则、DevOps，形成了DataOps、MLOps、ModelOps、PlatformOps、AnalyticOps及XOps框架。
●数据、AI，加上ITOps，形成了AIOps。
●新一代信息技术和基础设施，加入ITOps、DevOps中，形成了CloudOps、APPOps、InfraOps、GitOps、ArchOps、NetOps、IotOps等。
（3）Ops之间的交叉融合、自身细化 Ops之间的交叉融合及细化（专业化）也是新Ops产生的一个机制。
●DevOps，加上SecOps，形成了DevSecOps。
●SecOps和XOps结合，形成SecXOps。
●BizOps，加上DevOps，形成了BizDevOps。
●DevOps、AIOps、ITOps等融合，指向了未来的NoOps。
●DevOps的进一步细分、专业化，形成了CloudOps、AppOps、GitOps、ArchOps、NetOps、IoTOps等。
●XOps可以分为DataOps、MLOps、ModelOps、AnalyticOps等。
2.IT、数据和AI领域各运维术语的关系图
基于以上分析绘制出IT、数据及AI领域Ops之间的关系图，如图2-7所示。
图2-7 Ops之间关系图（IT、数据及AI领域）
3.IT、数据和AI领域之外的Ops术语演进
IT、数据及AI领域之外Ops（术语）的演进，主要是两个机制：一是DevOps和敏捷、精益理念在IT、数据及AI领域之外的应用；二是Ops仅是作为Operations（运营）的缩写，与DevOps和敏捷、精益理念无直接关系。
（1）DevOps和敏捷、精益理念在IT、数据及AI领域以外的应用 随着DevOps的成功，DevOps和敏捷、精益原则在产品、设计、研究、销售等领域都获得关注和应用，甚至存在一定滥用。
●DevOps和敏捷、精益，在产品领域的应用，形成了ProductOps。
●在设计领域的应用，形成了DesignOps。
●在研究领域的应用，形成了ResearchOps。
●在内容领域的应用，形成了ContentOps。
●在营销、销售领域，形成了MarketingOps、SalesOps。
●在收入（Revenue）领域，形成了RevOps。
（2）Ops仅是作为Operations（运营）的缩写，与DevOps和敏捷、精益理念无显著关系 组织运营（Operations）涉及的范围非常广，外部供应链、内部价值链上各环节都是组织运营的一部分，远不止IT、数据这两个方面。所以运营（Operations）一词在很多地方有应用，有些也简称为Ops，与DevOps和敏捷、精益无显著关系，如DigitalOps、PeopleOps。
基于对运维Ops术语之间关系和演进机制的分析，总结Ops术语演进的十个趋势如下：
●Ops术语还会持续推陈出新，这是因为DevOps的“敏捷、精益、协作”的内涵还会继续扩展衍生，也因为Ops是运营（Operations）的缩写，运营本身会不断创新。
●DevOps还处在上升势头（从搜索热度来看），预期DevOps热度还将维持很长时间，DevOps相关的DevSecOps也保持相同态势。
●“敏捷、精益、自动化、协作”和DevOps成功实践在数据、AI领域的成功应用，将创造DataOps、MLOps、ModelOps、AnalyticOps、PlatformOps及XOps的繁荣，PlatformOps因为在其中的调排作用会变得不可或缺。
●AIOps融合了Ops和数据、AI，未来将持续繁荣，并与DevOps、XOps（DataOps、MLOps、ModelOps、AnalyticOps等）、SecOps等持续融合，为迈向理想的NoOps而努力。
●业务价值、降本增效是ITOps持续发展的动力，BizOps、FinOps、BizDevOps因为将业务、财务与Ops融合，将获得持续深入发展并成为刚需。
●随着新一代信息技术、基础设施的发展，CloudOps越来越普及，IotOps也将越来越重要。
●DevOps、ITOps、SecOps等相关Ops一方面不断细化（专业化），另一方面又必须加强融合。例如，DevOps不断细化出现了AppOps、ArchOps、GitOps、NetOps等，而这些Ops都必须加强与业务、数据及AI、安全等的融合。
●XOps框架因其包容性、灵活性，可能会成为ITOps的升级版。
●Ops在运维、数据等领域之外的应用会越来越多并取得实效，比如DesignOps、ContentOps、ResearchOps、ProductOps等。
●随着组织的运营的数字化、自动化，数字化运营（DigitalOps）因为融合了业务流程建模与分析、流程/任务执行、绩效监测，促进了DTO（数字孪生组织）、超自动化的实现，会逐步成为新热点。