Κατάσταση DevOps στη Ρωσία 2020

Πώς να κατανοήσετε την κατάσταση ενός πράγματος;

Μπορείτε να βασιστείτε στη γνώμη σας, που σχηματίζεται από διάφορες πηγές πληροφοριών, για παράδειγμα, δημοσιεύσεις σε ιστότοπους ή εμπειρία. Μπορείτε να ρωτήσετε συναδέλφους, γνωστούς. Μια άλλη επιλογή είναι να εξετάσετε τα θέματα των συνεδρίων: η επιτροπή προγράμματος είναι ενεργοί εκπρόσωποι του κλάδου, επομένως τους εμπιστευόμαστε στην επιλογή σχετικών θεμάτων. Ένας ξεχωριστός τομέας είναι η έρευνα και οι αναφορές. Όμως υπάρχει ένα πρόβλημα. Έρευνα για την κατάσταση του DevOps διεξάγεται ετησίως στον κόσμο, δημοσιεύονται αναφορές από ξένες εταιρείες και δεν υπάρχουν σχεδόν καθόλου πληροφορίες για τα ρωσικά DevOps.

Αλλά έφτασε η μέρα που διεξήχθη μια τέτοια μελέτη και σήμερα θα μιλήσουμε για τα αποτελέσματα. Η κατάσταση των DevOps στη Ρωσία μελετήθηκε από κοινού από τις εταιρείες "Express 42"Και"Ontico". Το Express 42 βοηθά τις εταιρείες τεχνολογίας να εφαρμόσουν και να αναπτύξουν πρακτικές και εργαλεία DevOps και ήταν ένας από τους πρώτους που μίλησε για το DevOps στη Ρωσία. Οι συγγραφείς της μελέτης, Igor Kurochkin και Vitaly Khabarov, ασχολούνται με την ανάλυση και τη συμβουλευτική στην Express 42, ενώ έχουν τεχνικό υπόβαθρο από τη λειτουργία και εμπειρία σε διαφορετικές εταιρείες. Για 8 χρόνια, οι συνάδελφοι έχουν εξετάσει δεκάδες εταιρείες και έργα - από startups έως επιχειρήσεις - με διαφορετικά προβλήματα, καθώς και διαφορετική πολιτιστική και μηχανική ωριμότητα.

Στην έκθεσή τους, ο Igor και ο Vitaly είπαν ποια προβλήματα υπήρχαν στη διαδικασία της έρευνας, πώς τα έλυσαν, καθώς και πώς διεξάγεται κατ' αρχήν η έρευνα DevOps και γιατί η Express 42 αποφάσισε να πραγματοποιήσει τη δική της. Μπορείτε να δείτε την αναφορά τους εδώ.

Έρευνα DevOps

Η συζήτηση ξεκίνησε από τον Igor Kurochkin.

Ρωτάμε τακτικά το κοινό στα συνέδρια DevOps: "Έχετε διαβάσει την αναφορά κατάστασης DevOps για φέτος;" Λίγοι σηκώνουν τα χέρια τους και η μελέτη μας έδειξε ότι μόνο το ένα τρίτο τους μελετούσε. Αν δεν έχετε δει ποτέ τέτοιες αναφορές, ας πούμε αμέσως ότι είναι όλες πολύ παρόμοιες. Τις περισσότερες φορές υπάρχουν φράσεις όπως: "Σε σύγκριση με πέρυσι ..."

Εδώ έχουμε το πρώτο πρόβλημα και μετά άλλα δύο:

1. Δεν έχουμε στοιχεία για πέρυσι. Η κατάσταση των DevOps στη Ρωσία δεν ενδιαφέρει κανέναν.
2. Μεθοδολογία. Δεν είναι σαφές πώς να δοκιμάσετε υποθέσεις, πώς να δημιουργήσετε ερωτήσεις, πώς να αναλύσετε, να συγκρίνετε αποτελέσματα, να βρείτε συνδέσεις.
3. Ορολογία. Όλες οι αναφορές είναι στα αγγλικά, απαιτείται μετάφραση, δεν έχει εφευρεθεί ακόμη ένα κοινό πλαίσιο DevOps και ο καθένας έχει το δικό του.

Ας ρίξουμε μια ματιά στο πώς έχουν γίνει οι αναλύσεις κατάστασης DevOps σε όλο τον κόσμο.

Ιστορικά στοιχεία

Η έρευνα DevOps διεξάγεται από το 2011. Ο Puppet, ένας προγραμματιστής συστημάτων διαχείρισης παραμέτρων, ήταν ο πρώτος που τα πραγματοποίησε. Εκείνη την εποχή, ήταν ένα από τα βασικά εργαλεία για την περιγραφή της υποδομής με τη μορφή κώδικα. Μέχρι το 2013, αυτές οι μελέτες ήταν απλώς κλειστές έρευνες και χωρίς δημόσιες αναφορές.

Το 2013 εμφανίστηκε η IT Revolution, ο εκδότης όλων των σημαντικών βιβλίων στο DevOps. Μαζί με το Puppet, ετοίμασαν την πρώτη δημοσίευση State of DevOps, όπου εμφανίστηκαν για πρώτη φορά 4 βασικές μετρήσεις. Το επόμενο έτος, συμμετείχε η ThoughtWorks, μια εταιρεία συμβούλων γνωστή για τα τακτικά ραντάρ τεχνολογίας για τις πρακτικές και τα εργαλεία της βιομηχανίας. Και το 2015 προστέθηκε μια ενότητα με μεθοδολογία και έγινε σαφές πώς κάνουν την ανάλυση.

Το 2016, οι συγγραφείς της μελέτης, έχοντας δημιουργήσει τη δική τους εταιρεία DORA (DevOps Research and Assessment), δημοσίευσαν μια ετήσια έκθεση. Την επόμενη χρονιά, η DORA και η Puppet κυκλοφόρησαν την τελευταία τους κοινή έκθεση.

Και τότε άρχισε κάτι ενδιαφέρον:

Το 2018, οι εταιρείες χωρίστηκαν και κυκλοφόρησαν δύο ανεξάρτητες αναφορές: η μία από την Puppet, η δεύτερη από τη DORA μαζί με την Google. Η DORA συνέχισε να αξιοποιεί τη μεθοδολογία της με βασικές μετρήσεις, προφίλ απόδοσης και πρακτικές μηχανικής που επηρεάζουν βασικές μετρήσεις και την απόδοση σε ολόκληρη την εταιρεία. Και το Puppet προσέφερε τη δική του προσέγγιση με μια περιγραφή της διαδικασίας και της εξέλιξης του DevOps. Αλλά η ιστορία δεν ριζώθηκε, το 2019 η Puppet εγκατέλειψε αυτή τη μεθοδολογία και κυκλοφόρησε μια νέα έκδοση των αναφορών, η οποία απαριθμούσε τις βασικές πρακτικές και τον τρόπο με τον οποίο επηρεάζουν τα DevOps από την άποψή τους. Στη συνέχεια συνέβη ένα άλλο γεγονός: η Google αγόρασε την DORA και μαζί κυκλοφόρησαν μια άλλη αναφορά. Μπορεί να τον έχετε δει.

Φέτος τα πράγματα έγιναν πολύπλοκα. Η Puppet είναι γνωστό ότι έχει ξεκινήσει τη δική της έρευνα. Το έκαναν μια εβδομάδα νωρίτερα από εμάς, και έχει ήδη τελειώσει. Πήραμε μέρος σε αυτό και εξετάσαμε ποια θέματα τους ενδιαφέρουν. Τώρα το Puppet κάνει την ανάλυσή του και ετοιμάζεται να δημοσιεύσει την έκθεση.

Αλλά δεν υπάρχει ακόμα καμία ανακοίνωση από την DORA και την Google. Τον Μάιο, όταν συνήθως ξεκινούσε η έρευνα, ήρθε η πληροφορία ότι η Nicole Forsgren, μια από τις ιδρυτές της DORA, είχε μετακομίσει σε άλλη εταιρεία. Επομένως, υποθέσαμε ότι δεν θα υπήρχε έρευνα και αναφορά από τη DORA φέτος.

Πώς είναι τα πράγματα στη Ρωσία;

Δεν έχουμε κάνει έρευνα DevOps. Μιλήσαμε σε συνέδρια, ξαναλέγοντας τα ευρήματα άλλων ανθρώπων και η Raiffeisenbank μετέφρασε το "State of DevOps" για το 2019 (μπορείτε να βρείτε την ανακοίνωσή τους στο Habré), τους ευχαριστούμε πολύ. Και είναι όλο.

Ως εκ τούτου, πραγματοποιήσαμε τη δική μας έρευνα στη Ρωσία χρησιμοποιώντας τις μεθοδολογίες και τα ευρήματα της DORA. Χρησιμοποιήσαμε την έκθεση συναδέλφων από τη Raiffeisenbank για την έρευνά μας, συμπεριλαμβανομένου του συγχρονισμού ορολογίας και μετάφρασης. Και οι σχετικές με τη βιομηχανία ερωτήσεις ελήφθησαν από τις εκθέσεις DORA και το φετινό ερωτηματολόγιο Puppet.

Ερευνητική Διαδικασία

Η έκθεση είναι μόνο το τελευταίο μέρος. Η όλη ερευνητική διαδικασία αποτελείται από τέσσερα βασικά βήματα:

Κατά τη φάση της προετοιμασίας, πήραμε συνεντεύξεις από ειδικούς του κλάδου και ετοιμάσαμε μια λίστα υποθέσεων. Στη βάση τους συντάχθηκαν ερωτήσεις και ξεκίνησε έρευνα για όλο τον Αύγουστο. Στη συνέχεια αναλύσαμε και ετοιμάσαμε την ίδια την έκθεση. Για την DORA, αυτή η διαδικασία διαρκεί 6 μήνες. Συναντηθήκαμε μέσα σε 3 μήνες και τώρα καταλαβαίνουμε ότι μετά βίας είχαμε αρκετό χρόνο: μόνο με την εκτέλεση της ανάλυσης καταλαβαίνετε ποιες ερωτήσεις πρέπει να κάνετε.

Συμμετέχοντες

Όλες οι ξένες αναφορές ξεκινούν με ένα πορτρέτο των συμμετεχόντων, και οι περισσότεροι από αυτούς δεν είναι από τη Ρωσία. Το ποσοστό των Ρώσων ερωτηθέντων κυμαίνεται από 5 έως 1% από έτος σε έτος και αυτό δεν επιτρέπει την εξαγωγή συμπερασμάτων.

Χάρτης από την αναφορά Accelerate State of DevOps 2019:

Στη μελέτη μας, καταφέραμε να πάρουμε συνεντεύξεις από 889 άτομα - αυτό είναι αρκετά (η DORA δημοσκοπεί περίπου χίλια άτομα ετησίως στις αναφορές της) και εδώ πετύχαμε τον στόχο:

Είναι αλήθεια ότι δεν έφτασαν όλοι οι συμμετέχοντες στο τέλος: το ποσοστό ολοκλήρωσης αποδείχθηκε ελαφρώς μικρότερο από το μισό. Αλλά και αυτό ήταν αρκετό για να ληφθεί ένα αντιπροσωπευτικό δείγμα και να γίνει μια ανάλυση. Η DORA δεν αποκαλύπτει ποσοστά πλήρωσης στις αναφορές της, επομένως δεν υπάρχει σύγκριση εδώ.

Βιομηχανίες και θέσεις

Οι ερωτηθέντες μας αντιπροσωπεύουν μια ντουζίνα βιομηχανίες. Μισή δουλειά στην πληροφορική. Ακολουθούν οι χρηματοοικονομικές υπηρεσίες, το εμπόριο, οι τηλεπικοινωνίες και άλλα. Μεταξύ των θέσεων είναι ειδικοί (προγραμματιστής, δοκιμαστής, μηχανικός λειτουργίας) και διοικητικό προσωπικό (επικεφαλής ομάδων, ομάδων, περιοχών, διευθυντές):

Ένας στους δύο εργάζεται για μια μεσαία εταιρεία. Κάθε τρίτο άτομο εργάζεται σε μεγάλες εταιρείες. Οι περισσότεροι εργάζονται σε ομάδες έως 9 ατόμων. Ξεχωριστά, ρωτήσαμε για τις κύριες δραστηριότητες και η πλειοψηφία σχετίζεται με κάποιο τρόπο με τη λειτουργία και περίπου το 40% ασχολείται με την ανάπτυξη:

Έτσι συλλέξαμε πληροφορίες για σύγκριση και ανάλυση εκπροσώπων διαφορετικών βιομηχανιών, εταιρειών, ομάδων. Ο συνάδελφός μου Vitaly Khabarov θα πει για την ανάλυση.

Ανάλυση και σύγκριση

Vitaly Khabarov: Ευχαριστούμε πολύ όλους τους συμμετέχοντες που ολοκλήρωσαν την έρευνά μας, συμπλήρωσαν ερωτηματολόγια και μας παρείχαν δεδομένα για περαιτέρω ανάλυση και έλεγχο των υποθέσεων μας. Και χάρη στους πελάτες και τους πελάτες μας, έχουμε μια πληθώρα εμπειρίας που έχει βοηθήσει στον εντοπισμό των ανησυχιών του κλάδου και στη διαμόρφωση των υποθέσεων που δοκιμάσαμε στην έρευνά μας.

Δυστυχώς, δεν μπορείτε απλώς να πάρετε μια λίστα ερωτήσεων από τη μια και δεδομένων από την άλλη, να τα συγκρίνετε με κάποιο τρόπο, να πείτε: "Ναι, όλα λειτουργούν έτσι, είχαμε δίκιο" και να διασκορπιστείτε. Όχι, χρειαζόμαστε μεθοδολογία και στατιστικές μεθόδους για να είμαστε σίγουροι ότι δεν κάνουμε λάθος και ότι τα συμπεράσματά μας είναι αξιόπιστα. Στη συνέχεια, μπορούμε να οικοδομήσουμε την περαιτέρω εργασία μας με βάση αυτά τα δεδομένα:

Βασικές μετρήσεις

Πήραμε ως βάση τη μεθοδολογία DORA, την οποία περιέγραψαν λεπτομερώς στο βιβλίο «Accelerate State of DevOps». Ελέγξαμε εάν οι βασικές μετρήσεις είναι κατάλληλες για τη ρωσική αγορά, εάν μπορούν να χρησιμοποιηθούν με τον ίδιο τρόπο που χρησιμοποιεί η DORA για να απαντήσει στην ερώτηση: "Πώς αντιστοιχεί η βιομηχανία στη Ρωσία με την ξένη βιομηχανία;"

Βασικές μετρήσεις:

1. Συχνότητα ανάπτυξης. Πόσο συχνά αναπτύσσεται μια νέα έκδοση της εφαρμογής στο περιβάλλον παραγωγής (προγραμματισμένες αλλαγές, εξαιρουμένων των επειγουσών επιδιορθώσεων και της απόκρισης συμβάντων);
2. Ωρα παράδοσης. Ποιος είναι ο μέσος χρόνος μεταξύ της πραγματοποίησης μιας αλλαγής (εγγραφής λειτουργικότητας ως κώδικα) και της ανάπτυξης της αλλαγής στο περιβάλλον παραγωγής;
3. Χρόνος αποθεραπείας. Πόσος χρόνος χρειάζεται κατά μέσο όρο για την επαναφορά μιας εφαρμογής σε περιβάλλον παραγωγής μετά από ένα περιστατικό, την υποβάθμιση της υπηρεσίας ή την ανακάλυψη ενός σφάλματος που επηρεάζει τους χρήστες της εφαρμογής;
4. Ανεπιτυχείς αλλαγές. Τι ποσοστό των αναπτύξεων στο περιβάλλον παραγωγής οδηγεί σε υποβάθμιση της εφαρμογής ή συμβάντα και απαιτούν αποκατάσταση (επιστροφή αλλαγών, ανάπτυξη επείγουσας επιδιόρθωσης ή ενημέρωση κώδικα);

Η DORA στην έρευνά της βρήκε μια σύνδεση μεταξύ αυτών των μετρήσεων και της οργανωτικής απόδοσης. Το δοκιμάζουμε επίσης στη μελέτη μας.

Αλλά για να βεβαιωθείτε ότι οι τέσσερις βασικές μετρήσεις μπορούν να επηρεάσουν κάτι, πρέπει να καταλάβετε - σχετίζονται με κάποιο τρόπο μεταξύ τους; Η DORA απάντησε καταφατικά με μια προειδοποίηση: η σχέση μεταξύ ανεπιτυχών αλλαγών (Ποσοστό αλλαγής αποτυχίας) και τριών άλλων μετρήσεων είναι ελαφρώς ασθενέστερη. Έχουμε περίπου την ίδια εικόνα. Εάν ο χρόνος παράδοσης, η συχνότητα ανάπτυξης και ο χρόνος ανάκτησης συσχετίζονται μεταξύ τους (καθορίσαμε αυτή τη συσχέτιση μέσω της συσχέτισης Pearson και μέσω της κλίμακας Chaddock), τότε δεν υπάρχει τόσο ισχυρή συσχέτιση με ανεπιτυχείς αλλαγές.

Κατ' αρχήν, οι περισσότεροι από τους ερωτηθέντες τείνουν να απαντούν ότι έχουν έναν μάλλον μικρό αριθμό περιστατικών στην παραγωγή. Αν και θα δούμε αργότερα ότι εξακολουθεί να υπάρχει σημαντική διαφορά μεταξύ των ομάδων των ερωτηθέντων όσον αφορά τις ανεπιτυχείς αλλαγές, δεν μπορούμε ακόμη να χρησιμοποιήσουμε αυτήν τη μέτρηση για αυτήν την διαίρεση.

Αυτό το αποδίδουμε στο γεγονός ότι (όπως προέκυψε κατά την ανάλυση και την επικοινωνία με ορισμένους πελάτες μας) υπάρχει μια μικρή διαφορά στην αντίληψη του τι θεωρείται περιστατικό. Εάν καταφέραμε να επαναφέρουμε την απόδοση της υπηρεσίας μας κατά τη διάρκεια του τεχνικού παραθύρου, μπορεί αυτό να θεωρηθεί περιστατικό; Μάλλον όχι, γιατί τα φτιάξαμε όλα, είμαστε υπέροχοι. Μπορούμε να το θεωρήσουμε περιστατικό εάν έπρεπε να επαναφέρουμε την εφαρμογή μας 10 φορές σε μια κανονική, οικεία λειτουργία για εμάς; Δεν φαίνεται. Επομένως, το ζήτημα της σχέσης των ανεπιτυχών αλλαγών με άλλες μετρήσεις παραμένει ανοιχτό. Θα το τελειοποιήσουμε περαιτέρω.

Σημαντικό εδώ είναι ότι βρήκαμε μια σημαντική συσχέτιση μεταξύ των χρόνων παράδοσης, του χρόνου ανάκτησης και της συχνότητας ανάπτυξης. Επομένως, χρησιμοποιήσαμε αυτές τις τρεις μετρήσεις για να χωρίσουμε περαιτέρω τους ερωτηθέντες σε ομάδες απόδοσης.

Πόσο μπορείτε να κρεμάσετε σε γραμμάρια;

Χρησιμοποιήσαμε ιεραρχική ανάλυση συστάδων:

• Κατανέμουμε τους ερωτώμενους σε ένα χώρο ν-διάστασης, όπου η συντεταγμένη κάθε ερωτώμενου είναι οι απαντήσεις του σε ερωτήσεις.
• Κάθε ερωτώμενος δηλώνεται ως ένα μικρό σύμπλεγμα.
• Συνδυάζουμε τα δύο συμπλέγματα που βρίσκονται πιο κοντά το ένα στο άλλο σε ένα μεγαλύτερο σύμπλεγμα.
• Βρίσκουμε το επόμενο ζευγάρι συστάδων και τα συνδυάζουμε σε ένα μεγαλύτερο σύμπλεγμα.

Αυτός είναι ο τρόπος με τον οποίο ομαδοποιούμε όλους τους ερωτηθέντες μας στον αριθμό των συστάδων που χρειαζόμαστε. Με τη βοήθεια ενός δενδρογράμματος (ένα δέντρο συνδέσεων μεταξύ συστάδων), βλέπουμε την απόσταση μεταξύ δύο γειτονικών συστάδων. Το μόνο που μας μένει είναι να θέσουμε ένα ορισμένο όριο απόστασης μεταξύ αυτών των συστάδων και να πούμε: «Αυτές οι δύο ομάδες διακρίνονται αρκετά μεταξύ τους γιατί η απόσταση μεταξύ τους είναι γιγαντιαία».

Αλλά υπάρχει ένα κρυφό πρόβλημα εδώ: δεν έχουμε περιορισμούς στον αριθμό των συστάδων - μπορούμε να πάρουμε 2, 3, 4, 10 συμπλέγματα. Και η πρώτη ιδέα ήταν - γιατί να μην χωρίσουμε όλους τους ερωτηθέντες μας σε 4 ομάδες, όπως κάνει η DORA. Όμως διαπιστώσαμε ότι οι διαφορές μεταξύ αυτών των ομάδων γίνονται ασήμαντες και δεν μπορούμε να είμαστε σίγουροι ότι ο ερωτώμενος ανήκει πραγματικά στην ομάδα του και όχι στη γειτονική. Δεν μπορούμε ακόμη να χωρίσουμε τη ρωσική αγορά σε τέσσερις ομάδες. Επομένως, καταλήξαμε σε τρία προφίλ μεταξύ των οποίων υπάρχει στατιστικά σημαντική διαφορά:

Στη συνέχεια, προσδιορίσαμε το προφίλ ανά ομάδες: λάβαμε τη διάμεσο για κάθε μέτρηση για κάθε ομάδα και συντάξαμε έναν πίνακα με προφίλ απόδοσης. Στην πραγματικότητα, πήραμε τα προφίλ απόδοσης του μέσου συμμετέχοντος σε κάθε ομάδα. Έχουμε εντοπίσει τρία προφίλ απόδοσης: Χαμηλή, Μέτρια, Υψηλή:

Εδώ επιβεβαιώσαμε την υπόθεσή μας ότι 4 βασικές μετρήσεις είναι κατάλληλες για τον προσδιορισμό του προφίλ απόδοσης και λειτουργούν τόσο στη δυτική όσο και στη ρωσική αγορά. Υπάρχει διαφορά μεταξύ των ομάδων και είναι στατιστικά σημαντική. Τονίζω ότι υπάρχει σημαντική διαφορά μεταξύ των προφίλ απόδοσης ως προς τη μέτρηση των ανεπιτυχών αλλαγών ως προς τον μέσο όρο, παρόλο που αρχικά δεν διαιρέσαμε τους ερωτηθέντες με αυτήν την παράμετρο.

Τότε τίθεται το ερώτημα: πώς να τα χρησιμοποιήσετε όλα αυτά;

Πώς να χρησιμοποιήσετε

Εάν πάρουμε οποιαδήποτε ομάδα, 4 βασικές μετρήσεις και τις εφαρμόσουμε στον πίνακα, τότε στο 85% των περιπτώσεων δεν θα έχουμε πλήρη αντιστοιχία - αυτός είναι απλώς ένας μέσος συμμετέχων και όχι αυτό που είναι στην πραγματικότητα. Είμαστε όλοι (και κάθε ομάδα) ελαφρώς διαφορετικοί.

Ελέγξαμε: πήραμε τους ερωτηθέντες μας και το προφίλ απόδοσης DORA και εξετάσαμε πόσοι ερωτηθέντες ταιριάζουν σε αυτό ή εκείνο το προφίλ. Διαπιστώσαμε ότι μόνο το 16% των ερωτηθέντων έπεσε σίγουρα σε ένα από τα προφίλ. Όλα τα υπόλοιπα είναι διάσπαρτα κάπου ενδιάμεσα:

Αυτό σημαίνει ότι το προφίλ απόδοσης έχει περιορισμένο εύρος. Για να καταλάβετε πού βρίσκεστε στην πρώτη προσέγγιση, μπορείτε να χρησιμοποιήσετε αυτόν τον πίνακα: "Ω, φαίνεται ότι είμαστε πιο κοντά στο Medium ή High!" Αν καταλαβαίνετε πού να πάτε μετά, αυτό μπορεί να είναι αρκετό. Αλλά εάν ο στόχος σας είναι συνεχής, συνεχής βελτίωση και θέλετε να μάθετε με μεγαλύτερη ακρίβεια πού να αναπτυχθείτε και τι να κάνετε, τότε χρειάζονται πρόσθετα κεφάλαια. Τους ονομάσαμε αριθμομηχανές:

• Αριθμομηχανή DORA
• Αριθμομηχανή Express 42* (υπό ανάπτυξη)
• Ίδια ανάπτυξη (μπορείτε να δημιουργήσετε τη δική σας εσωτερική αριθμομηχανή).

Σε τι χρειάζονται; Να καταλαβεις:

• Είναι η ομάδα εντός του οργανισμού μας σύμφωνα με τα πρότυπά μας;
• Αν όχι, μπορούμε να το βοηθήσουμε, να το επιταχύνουμε στα πλαίσια της τεχνογνωσίας που διαθέτει η εταιρεία μας;
• Αν ναι, μπορούμε να τα πάμε ακόμα καλύτερα;

Μπορείτε επίσης να τα χρησιμοποιήσετε για τη συλλογή στατιστικών στοιχείων εντός της εταιρείας:

• Τι ομάδες έχουμε;
• Χωρίστε τις ομάδες σε προφίλ.
• Δείτε: Ω, αυτές οι εντολές υπολειτουργούν (δεν αποσύρονται λίγο), αλλά είναι καλές: αναπτύσσονται κάθε μέρα, χωρίς σφάλματα, έχουν χρόνο παράδοσης λιγότερο από μία ώρα.

Και τότε μπορείτε να μάθετε ότι στην εταιρεία μας υπάρχει η απαραίτητη τεχνογνωσία και τα εργαλεία για εκείνες τις ομάδες που δεν είναι ακόμη στο επίπεδο.

Ή, αν καταλαβαίνεις ότι νιώθεις υπέροχα μέσα στην παρέα, είσαι καλύτερος από πολλούς, τότε μπορείς να κοιτάξεις λίγο πιο φαρδύ. Αυτή είναι απλώς η ρωσική βιομηχανία: μπορούμε να αποκτήσουμε την απαραίτητη τεχνογνωσία στη ρωσική βιομηχανία προκειμένου να επιταχυνθούμε; Η αριθμομηχανή Express 42 θα σας βοηθήσει εδώ (είναι υπό ανάπτυξη). Εάν έχετε ξεπεράσει τη ρωσική αγορά, τότε δείτε Αριθμομηχανή DORA και στην παγκόσμια αγορά.

Πρόστιμο. Και αν είστε στην ομάδα Elit στην αριθμομηχανή DORA, τι πρέπει να κάνετε; Δεν υπάρχει καλή λύση εδώ. Πιθανότατα είστε στην πρώτη γραμμή του κλάδου και η περαιτέρω επιτάχυνση και αξιοπιστία είναι δυνατή μέσω της εσωτερικής Ε&Α και της δαπάνης περισσότερων πόρων.

Ας περάσουμε στο πιο γλυκό – σύγκριση.

Σύγκριση

Αρχικά θέλαμε να συγκρίνουμε τη ρωσική βιομηχανία με τη δυτική βιομηχανία. Αν συγκρίνουμε απευθείας, βλέπουμε ότι έχουμε λιγότερα προφίλ και είναι λίγο πιο ανακατεμένα μεταξύ τους, τα όρια είναι λίγο πιο θολά:

Οι Elite performers μας είναι κρυμμένοι ανάμεσα στους High performers, αλλά είναι εκεί - αυτοί είναι οι ελίτ, μονόκεροι που έχουν φτάσει σε σημαντικά ύψη. Στη Ρωσία, η διαφορά μεταξύ του προφίλ Elite και του Υψηλού προφίλ δεν είναι ακόμη αρκετά σημαντική. Πιστεύουμε ότι στο μέλλον αυτός ο διαχωρισμός θα συμβεί λόγω της αύξησης της μηχανικής κουλτούρας, της ποιότητας εφαρμογής των μηχανικών πρακτικών και της τεχνογνωσίας στις εταιρείες.

Εάν προχωρήσουμε σε μια άμεση σύγκριση στη ρωσική βιομηχανία, μπορούμε να δούμε ότι οι ομάδες υψηλού προφίλ είναι καλύτερες από όλες τις απόψεις. Επιβεβαιώσαμε επίσης την υπόθεσή μας ότι υπάρχει σχέση μεταξύ αυτών των μετρήσεων και της απόδοσης του οργανισμού: Οι ομάδες υψηλού προφίλ είναι πολύ πιο πιθανό όχι μόνο να επιτύχουν στόχους, αλλά και να τους ξεπεράσουν.
Ας γίνουμε ομάδες υψηλού προφίλ και ας μην σταματήσουμε εκεί:

Αλλά φέτος είναι ξεχωριστό και αποφασίσαμε να ελέγξουμε πώς τα πάνε οι εταιρείες σε μια πανδημία: Οι ομάδες υψηλού προφίλ τα πάνε πολύ καλύτερα και αισθάνονται καλύτερα από τον μέσο όρο του κλάδου:

• 1,5-2 φορές περισσότερες πιθανότητες να κυκλοφορήσουν νέα προϊόντα,
• 2 φορές περισσότερες πιθανότητες βελτίωσης της αξιοπιστίας ή/και της απόδοσης της υποδομής εφαρμογής.

Δηλαδή, οι ικανότητες που είχαν ήδη τους βοήθησαν να αναπτυχθούν πιο γρήγορα, να λανσάρουν νέα προϊόντα, να τροποποιήσουν υπάρχοντα προϊόντα, κατακτώντας έτσι νέες αγορές και νέους χρήστες:

Τι άλλο βοήθησε τις ομάδες μας;

Μηχανικές πρακτικές

Θα σας πω για τα σημαντικά ευρήματα για κάθε πρακτική που δοκιμάσαμε. Ίσως κάτι άλλο βοήθησε τις ομάδες, αλλά μιλάμε για DevOps. Και στο DevOps, βλέπουμε μια διαφορά μεταξύ ομάδων διαφορετικών προφίλ.

Πλατφόρμα ως υπηρεσία

Δεν βρήκαμε σημαντική σχέση μεταξύ της ηλικίας της πλατφόρμας και του προφίλ της ομάδας: Οι πλατφόρμες εμφανίστηκαν περίπου την ίδια στιγμή και για τις ομάδες χαμηλών και υψηλών ομάδων. Αλλά για το τελευταίο, η πλατφόρμα παρέχει, κατά μέσο όρο, περισσότερες υπηρεσίες και περισσότερες διεπαφές προγραμματισμού για έλεγχο μέσω κώδικα προγράμματος. Και οι ομάδες πλατφόρμας είναι πιο πιθανό να βοηθήσουν τους προγραμματιστές και τις ομάδες τους να χρησιμοποιήσουν την πλατφόρμα, να λύσουν τα προβλήματά τους και τα περιστατικά που σχετίζονται με την πλατφόρμα πιο συχνά και να εκπαιδεύσουν άλλες ομάδες.

Η υποδομή ως κωδικός

Όλα είναι αρκετά τυπικά εδώ. Βρήκαμε μια σχέση μεταξύ της αυτοματοποίησης της εργασίας του κώδικα υποδομής και του πόσες πληροφορίες αποθηκεύονται στο χώρο αποθήκευσης της υποδομής. Οι εντολές υψηλού προφίλ αποθηκεύουν περισσότερες πληροφορίες στα αποθετήρια: αυτή είναι η διαμόρφωση της υποδομής, η διοχέτευση CI / CD, οι ρυθμίσεις περιβάλλοντος και οι παράμετροι κατασκευής. Αποθηκεύουν αυτές τις πληροφορίες πιο συχνά, λειτουργούν καλύτερα με τον κώδικα υποδομής και αυτοματοποιούν περισσότερες διαδικασίες και εργασίες για την εργασία με τον κώδικα υποδομής.

Είναι ενδιαφέρον ότι δεν είδαμε σημαντική διαφορά στις δοκιμές υποδομής. Αυτό το αποδίδω στο γεγονός ότι οι ομάδες υψηλού προφίλ έχουν περισσότερο αυτοματισμό δοκιμών γενικά. Ίσως δεν πρέπει να αποσπώνται ξεχωριστά από τις δοκιμές υποδομής, αλλά από εκείνες τις δοκιμές με τις οποίες ελέγχουν τις εφαρμογές και χάρη σε αυτές βλέπουν ήδη τι και πού έχουν σπάσει.

Ενσωμάτωση και Παράδοση

Η πιο βαρετή ενότητα, γιατί επιβεβαιώσαμε ότι όσο περισσότερος αυτοματισμός έχετε, τόσο καλύτερα εργάζεστε με τον κώδικα, τόσο πιο πιθανό είναι να έχετε καλύτερα αποτελέσματα.

Αρχιτεκτονική

Θέλαμε να δούμε πώς οι μικροϋπηρεσίες επηρεάζουν την απόδοση. Στην πραγματικότητα, δεν το κάνουν, καθώς η χρήση μικροϋπηρεσιών δεν συνδέεται με αύξηση των δεικτών απόδοσης. Οι μικροϋπηρεσίες χρησιμοποιούνται τόσο για εντολές υψηλού προφίλ όσο και για εντολές χαμηλού προφίλ.

Αλλά αυτό που είναι σημαντικό είναι ότι για τις High-teams, η μετάβαση σε μια αρχιτεκτονική μικροϋπηρεσιών τους επιτρέπει να αναπτύξουν ανεξάρτητα τις υπηρεσίες τους και να αναπτύξουν. Εάν η αρχιτεκτονική επιτρέπει στους προγραμματιστές να ενεργούν αυτόνομα, χωρίς να περιμένουν κάποιον εξωτερικό στην ομάδα, τότε αυτή είναι μια βασική ικανότητα για την αύξηση της ταχύτητας. Σε αυτή την περίπτωση βοηθούν οι μικροϋπηρεσίες. Και μόνο η εφαρμογή τους δεν παίζει μεγάλο ρόλο.

Πώς τα ανακαλύψαμε όλα αυτά;

Είχαμε ένα φιλόδοξο σχέδιο για την πλήρη αναπαραγωγή της μεθοδολογίας DORA, αλλά δεν είχαμε τους πόρους. Εάν η DORA χρησιμοποιεί πολλές χορηγίες και η έρευνά της διαρκεί μισό χρόνο, κάναμε την έρευνά μας σε σύντομο χρονικό διάστημα. Θέλαμε να δημιουργήσουμε ένα μοντέλο DevOps όπως κάνει η DORA και θα το κάνουμε στο μέλλον. Μέχρι στιγμής έχουμε περιοριστεί στους χάρτες θερμότητας:

Εξετάσαμε την κατανομή των πρακτικών μηχανικής μεταξύ των ομάδων σε κάθε προφίλ και διαπιστώσαμε ότι οι ομάδες υψηλού προφίλ, κατά μέσο όρο, ήταν πιο πιθανό να χρησιμοποιήσουν πρακτικές μηχανικής. Μπορείτε να διαβάσετε περισσότερα για όλα αυτά στο δικό μας έκθεση.

Για μια αλλαγή, ας περάσουμε από σύνθετα στατιστικά σε απλά.

Τι άλλο ανακαλύψαμε;

Εργαλεία

Παρατηρούμε ότι οι περισσότερες εντολές χρησιμοποιούνται από το λειτουργικό σύστημα της οικογένειας Linux. Αλλά τα Windows εξακολουθούν να είναι στην τάση - τουλάχιστον το ένα τέταρτο των ερωτηθέντων μας παρατήρησαν τη χρήση μιας ή άλλης από τις εκδόσεις τους. Φαίνεται ότι η αγορά έχει αυτή την ανάγκη. Επομένως, μπορείτε να αναπτύξετε αυτές τις ικανότητες και να κάνετε παρουσιάσεις σε συνέδρια.

Μεταξύ των ενορχηστρωτών, δεν είναι μυστικό για κανέναν, η Kubernetes προηγείται (52%). Ο επόμενος στη σειρά ενορχηστρωτής είναι ο Docker Swarm (περίπου 12%). Τα πιο δημοφιλή συστήματα CI είναι τα Jenkins και GitLab. Το πιο δημοφιλές σύστημα διαχείρισης διαμόρφωσης είναι το Ansible και ακολουθεί η αγαπημένη μας Shell.

Η Amazon είναι επί του παρόντος ο κορυφαίος πάροχος φιλοξενίας cloud. Το μερίδιο των ρωσικών νεφών αυξάνεται σταδιακά. Το επόμενο έτος θα είναι ενδιαφέρον να δούμε πώς θα νιώθουν οι Ρώσοι πάροχοι cloud, αν θα αυξηθεί το μερίδιο αγοράς τους. Είναι, μπορούν να χρησιμοποιηθούν και αυτό είναι καλό:

Περνάω τον λόγο στον Ιγκόρ, ο οποίος θα δώσει περισσότερα στατιστικά.

Διάδοση πρακτικών

Igor Kurochkin: Ξεχωριστά, ζητήσαμε από τους ερωτηθέντες να υποδείξουν πώς διανέμονται οι θεωρούμενες πρακτικές μηχανικής στην εταιρεία. Στις περισσότερες εταιρείες, υπάρχει μια μικτή προσέγγιση, που αποτελείται από ένα διαφορετικό σύνολο προτύπων, και τα πιλοτικά έργα είναι πολύ δημοφιλή. Είδαμε επίσης μια μικρή διαφορά μεταξύ των προφίλ. Οι εκπρόσωποι του υψηλού προφίλ χρησιμοποιούν πιο συχνά το μοτίβο «Πρωτοβουλία από τα κάτω», όταν μικρές ομάδες ειδικών αλλάζουν διαδικασίες εργασίας, εργαλεία και μοιράζονται επιτυχημένες πρακτικές με άλλες ομάδες. Στη Medium, αυτή είναι μια πρωτοβουλία από πάνω προς τα κάτω που επηρεάζει ολόκληρη την εταιρεία μέσω της δημιουργίας κοινοτήτων και κέντρων αριστείας:

Agile και DevOps

Το ζήτημα της σύνδεσης μεταξύ Agile και DevOps συζητείται συχνά στη βιομηχανία. Αυτό το ζήτημα τίθεται επίσης στην Έκθεση Κατάστασης Ευκίνητης Περιοχής για το 2019/2020, επομένως αποφασίσαμε να συγκρίνουμε πώς συνδέονται οι δραστηριότητες Agile και DevOps στις εταιρείες. Βρήκαμε ότι τα DevOps χωρίς Agile είναι σπάνια. Για τους μισούς από τους ερωτηθέντες, η εξάπλωση του Agile ξεκίνησε πολύ νωρίτερα και περίπου το 20% παρατήρησε την ταυτόχρονη έναρξη και ένα από τα σημάδια ενός χαμηλού προφίλ θα είναι η απουσία πρακτικών Agile και DevOps:

Τοπολογίες εντολών

Στα τέλη του περασμένου έτους, το βιβλίοΤοπολογίες ομάδων”, το οποίο προτείνει ένα πλαίσιο για την περιγραφή τοπολογιών εντολών. Μας έγινε ενδιαφέρον εάν ισχύει για ρωσικές εταιρείες. Και κάναμε την ερώτηση: «Τι μοτίβα βρίσκετε;».

Ομάδες υποδομής παρατηρούνται στους μισούς από τους ερωτηθέντες, καθώς και ξεχωριστές ομάδες για ανάπτυξη, δοκιμή και λειτουργία. Ξεχωριστές ομάδες DevOps σημείωσαν 45%, μεταξύ των οποίων οι εκπρόσωποι του High είναι πιο συνηθισμένοι. Ακολουθούν οι ομάδες πολλαπλών λειτουργιών, οι οποίες είναι επίσης πιο συνηθισμένες στο High. Ξεχωριστές εντολές SRE εμφανίζονται στα προφίλ High, Medium και σπάνια εμφανίζονται στο Low profile:

Αναλογία DevQaOps

Είδαμε αυτήν την ερώτηση στο FaceBook από τον επικεφαλής της ομάδας της ομάδας πλατφόρμας Skyeng - τον ενδιέφερε η αναλογία προγραμματιστών, δοκιμαστών και διαχειριστών σε εταιρείες. Το ρωτήσαμε και εξετάσαμε τις απαντήσεις με βάση τα προφίλ: Οι εκπρόσωποι υψηλού προφίλ έχουν λιγότερους μηχανικούς δοκιμών και λειτουργιών για κάθε προγραμματιστή:

Σχέδια για το έτος 2021

Στα σχέδια για το επόμενο έτος, οι ερωτηθέντες σημείωσαν τις ακόλουθες δραστηριότητες:

Εδώ μπορείτε να δείτε τη διασταύρωση με το συνέδριο DevOps Live 2020. Εξετάσαμε προσεκτικά το πρόγραμμα:

• Η υποδομή ως προϊόν
• Μετασχηματισμός DevOps
• Διανομή πρακτικών DevOps
• DevSecOps
• Συλλογή περιπτώσεων και συζητήσεις

Όμως ο χρόνος της παρουσίασής μας δεν είναι αρκετός για να καλύψει όλα τα θέματα. Έμεινε στα παρασκήνια:

• Πλατφόρμα ως υπηρεσία και ως προϊόν.
• Υποδομή ως κώδικας, περιβάλλοντα και σύννεφα.
• Συνεχής ολοκλήρωση και παράδοση.
• Αρχιτεκτονική;
• Μοτίβα DevSecOps.
• Πλατφόρμες και διαλειτουργικές ομάδες.

Αναφορά πήραμε ένα ογκώδες, 50 σελίδες, και μπορείτε να το δείτε με περισσότερες λεπτομέρειες.

Ανακεφαλαίωση

Ελπίζουμε ότι η έρευνα και η έκθεσή μας θα σας εμπνεύσουν να πειραματιστείτε με νέες προσεγγίσεις ανάπτυξης, δοκιμών και λειτουργιών, καθώς και να σας βοηθήσουν να πλοηγηθείτε, να συγκρίνετε τον εαυτό σας με άλλους συμμετέχοντες στη μελέτη και να εντοπίσετε τομείς όπου μπορείτε να βελτιώσετε τις δικές σας προσεγγίσεις.

Αποτελέσματα της πρώτης μελέτης για την κατάσταση των DevOps στη Ρωσία:

• Βασικές μετρήσεις. Βρήκαμε ότι οι βασικές μετρήσεις (χρόνος παράδοσης, συχνότητα ανάπτυξης, χρόνος ανάκτησης και αποτυχίες αλλαγής) είναι κατάλληλες για την ανάλυση της αποτελεσματικότητας των διαδικασιών ανάπτυξης, δοκιμών και λειτουργιών.
• Προφίλ Υψηλό, Μεσαίο, Χαμηλό. Με βάση τα δεδομένα που συλλέχθηκαν, είναι δυνατό να διακριθούν στατιστικά διαφορετικές ομάδες Υψηλών, Μεσαίων, Χαμηλών με διακριτικά χαρακτηριστικά ως προς τις μετρήσεις, τις πρακτικές, τις διαδικασίες και τα εργαλεία. Οι εκπρόσωποι του High profile δείχνουν καλύτερα αποτελέσματα από το Low. Είναι πιο πιθανό να πετύχουν και να ξεπεράσουν τους στόχους τους.
• Δείκτες, πανδημία και σχέδια για το 2021. Ένας ιδιαίτερος δείκτης φέτος είναι το πώς οι εταιρείες αντιμετώπισαν την πανδημία. Οι υψηλοί εκπρόσωποι τα πήγαν καλύτερα, γνώρισαν αυξημένη αφοσίωση χρηστών και οι κύριοι λόγοι επιτυχίας ήταν αποτελεσματικές διαδικασίες ανάπτυξης και ισχυρή κουλτούρα μηχανικής.
• Πρακτικές DevOps, εργαλεία και η ανάπτυξή τους. Τα κύρια σχέδια των εταιρειών για την επόμενη χρονιά περιλαμβάνουν την ανάπτυξη πρακτικών και εργαλείων DevOps, την εισαγωγή πρακτικών DevSecOps και αλλαγές στην οργανωτική δομή. Και η αποτελεσματική εφαρμογή και ανάπτυξη πρακτικών DevOps πραγματοποιείται με τη βοήθεια πιλοτικών έργων, τη δημιουργία κοινοτήτων και κέντρων αριστείας, πρωτοβουλιών στα ανώτερα και κατώτερα επίπεδα της εταιρείας.

Θα θέλαμε να ακούσουμε τα σχόλιά σας, τις ιστορίες, τα σχόλιά σας. Ευχαριστούμε όλους όσους συμμετείχαν στη μελέτη και περιμένουμε τη συμμετοχή σας την επόμενη χρονιά.

Πηγή: www.habr.com