10條關于2016年軟件開發(fā)的預測，不僅僅是區(qū)塊鏈

區(qū)塊鏈、NLP、AI驅動的工具、機器學習、無服務器計算和devops創(chuàng)新將在2016年改變開發(fā)者的生活。
開發(fā)人員應該對2016年的機遇感到興奮，產品和工具圍繞著諸如區(qū)塊鏈、聊天機器人、無服務器功能和機器學習等技術在現實世界的項目中變得足夠成熟。與此同時，許多開發(fā)人員會擔心，在不影響安全性和性能的前提下，他們將無法更快地交付代碼和功能。但這方面也有好消息。
對于開發(fā)人員來說，2016年的定義是，在抓住轉型新機遇的同時，在應對壓力的同時，要做得更多，質量更高。以下是有關這些力量將在未來一年如何發(fā)揮作用的10個預測。
1. 利用區(qū)塊鏈的B2B交易進入生產階段
企業(yè)已經開始了解從區(qū)塊鏈啟動的交易中獲得的安全性、可靠性和效率。在未來的一年，開發(fā)人員將在整個金融服務和制造供應鏈中實施許多區(qū)塊鏈用例。區(qū)塊鏈是一種技術，它可以使組織之間的高效、安全、不可變、可信的交易成為可能，而這些交易可能不會完全相互信任，從而消除中介。
考慮一家公司從一家離岸制造商訂購產品。這些產品通過船運公司發(fā)貨，通過海關，通過另一家船運公司，最后到達買方。今天，每個步驟的驗證和調節(jié)主要通過電子郵件和電子表格進行，其中涉及很多人和過程。區(qū)塊鏈通過不可撤銷的對區(qū)塊鏈分類賬的更新，消除了手工流及和解，當最少數量的參與者說，"是的，這部分交易發(fā)生了。"
區(qū)塊鏈云服務將帶來可伸縮性、彈性、安全性以及與企業(yè)系統(tǒng)的預構建集成，使開發(fā)人員更容易將重點放在業(yè)務用例上，而不是底層的hyperledger fabric實現。
2. 聊天機器人經常與顧客和員工進行真正的對話
人們已經厭倦了需要多個移動應用程序來做同樣的工作，就像三種不同的航空公司應用程序一樣，通過不同的方式辦理登機手續(xù)并獲得登機牌。一種更好的方法是提供同樣的功能，但是通過手機消息上最流行的應用程序。消息傳遞有三個具有吸引力的元素:即時、表達性和會話性，不需要培訓。由于人工智能和自然語言處理技術的進步，人們將會使用Facebook Messenger、Slack、微信、WhatsApp或像亞馬遜Alexa或谷歌Home這樣的語音助手，來問問題，并從智能機器人那里得到答案。
開發(fā)人員使用新的智能的bot構建云服務，可以快速地制造能夠理解客戶意圖、維護會話狀態(tài)的機器人，并在與后端系統(tǒng)集成的過程中智能地響應。想象一下你在電影中看到的一件連衣裙的圖片，然后把照片傳給你最喜歡的服裝店的機器人，它使用圖像識別和人工智能來推薦相似的服裝。員工也可能是機器人的巨大受益者，比如詢問他們已經離開了多少個假期，提交了一張幫助辦公桌的票，或者訂購了一臺替換的筆記本電腦，在那里，系統(tǒng)甚至知道員工有哪些筆記本電腦符合資格，并且可以根據他們的訂單提供狀態(tài)更新?？紤]到對你自己的員工基礎的試驗更寬容，開發(fā)人員可能會首先利用他們的"造人"能力來建立和測試員工面對的機器人。
3. 按鈕消失了：AI變成了app界面
人工智能成為UI，意味著使用應用和服務的同步、請求-響應模型逐漸消失。智能手機仍然是"低智商"，因為你必須去接他們，啟動一個應用程序，要求做一些事情，最終得到回應。在新一代智能應用程序中，該應用將通過推送通知啟動交互。讓我們更進一步，使用人工智能的應用程序、機器人或虛擬個人助手將知道該做什么、何時、何地以及如何做。就這樣做。兩個例子:
費用審批程序會注意你的報銷模式，開始自動審批費用報告的99%，只會讓你注意到需要你注意的罕見報告。
分析應用程序了解底層數據，業(yè)務用戶提出的問題，以及公司其他用戶對相同數據集的問題，并且每一天都提供了一個新的見解，分析人員可能沒有想到。當組織收集更多的數據時，人工智能可以幫助我們了解需要問哪些問題的數據。
開發(fā)人員需要弄清楚哪些數據對他們的業(yè)務應用程序非常重要，如何從事務中觀察和學習，哪些業(yè)務決策將從這種主動的人工智能中獲益最多，并開始進行試驗。嵌入式人工智能可以預測你需要什么，在合適的時間通過合適的媒體發(fā)布信息和功能，包括在你需要它之前，并自動完成你今天手動完成的許多任務。
4. 機器學習采用實際的、特定領域的用途
機器學習正從晦澀的數據科學領域轉移到主流應用程序開發(fā)領域，這都是因為在流行的平臺上可以預先構建模塊的可用性，而且在處理大型的歷史數據集時，它非常有用。通過機器學習，最有價值的洞察力來自于背景，你以前做過什么，你問過什么問題，別人在做什么，正常的和反常的活動是什么。
但是要想有效，機器學習必須在一個領域特定的環(huán)境中進行調整和訓練，該環(huán)境包括它將分析的數據集和它將回答的問題。例如，設計用于識別安全分析師異常用戶行為的機器學習應用程序將與設計用于優(yōu)化工廠機器人操作的機器學習應用程序非常不同，這可能與基于微服務的應用程序的依賴映射的設計非常不同。
開發(fā)人員需要更加了解領域特定的用例，了解要收集什么數據，應用什么樣的機器學習算法，以及要問什么問題。開發(fā)人員還需要評估特定領域的SaaS或打包應用程序是否適合給定的項目，因為需要大量的培訓數據。
使用機器學習，開發(fā)人員可以構建智能應用程序來生成建議、預測結果或做出自動化的決策。
5. DevOps走向無操作
我們都同意devops對于幫助開發(fā)人員快速構建新的應用程序和特性非常重要，同時保持高質量和性能。devops的問題是開發(fā)人員需要花費他們60%的時間在方程的操作一邊，從而縮短開發(fā)的時間。開發(fā)人員必須集成各種持續(xù)集成和持續(xù)交付(CICD)工具，維護這些集成，并隨著新技術的發(fā)布不斷更新CI / CD工具鏈。每個人都有CI，但沒有太多的人做CD。開發(fā)人員會堅持使用云服務來幫助鐘擺在2018年回歸開發(fā)。這將需要更大的自動化。
Docker提供了打包、可移植性以及進行敏捷部署的能力。您需要CD作為Docker生命周期的一部分。例如，如果您正在使用容器，一旦您將代碼更改提交給Git，那么構建的默認構件應該是具有新版本代碼的Docker映像。此外，映像應該被自動推送到Docker注冊表中，并將一個容器從映像部署到devtest環(huán)境中。在QA測試和部署到生產之后，應該為您處理容器的編排、安全性和擴展。商業(yè)領袖正在向開發(fā)者施壓，要求他們更快地提供新的創(chuàng)新;devops模型必須為開發(fā)人員騰出更多的時間使其成為可能。
6. 開源作為一種服務，加速了開源創(chuàng)新的消費
開源模式仍然是創(chuàng)新的好引擎之一，但實現和維護創(chuàng)新往往過于復雜。例如:
您想要一個流數據/事件管理平臺，所以您可以轉向Kafka。當您開始在規(guī)模上使用Kafka時，您必須設置額外的Kafka節(jié)點和負載平衡大型Kafka集群，隨著Kafka的新版本的發(fā)布更新這些集群，然后將此服務與您的其他環(huán)境集成起來。
您需要容器編排的Kubernetes。平臺應該為您的Kubernetes集群服務，而不是為您的Kubernetes集群處理升級、備份、恢復和補丁。Kubernetes每六個星期航行一次，所以這個平臺應該有滾動部署和自我修復。
您需要為NoSQL數據庫提供Cassandra。您應該希望備份(在計劃中是增量的或完整的)、補丁、集群、擴展和高可用的Cassandra集群，由平臺來管理。
開發(fā)人員將越來越多地尋找云服務，以便在處理這些技術的操作和管理方面的同時，從開放源碼中提供所有的高速創(chuàng)新。
7. 無服務器計算的架構在生產中會變得很大
無服務器架構的吸引力是顯而易見的:當需要基于某個事件執(zhí)行我的代碼時，基礎架構被實例化，我的代碼被部署和執(zhí)行，而我只在代碼運行的時候被收取費用。假設你想建立一個旅行預訂功能來預訂/取消航班、酒店和租車。每個操作都可以構建為一個以不同語言編寫的無服務器函數，如Java、Ruby、JavaScript和Python。沒有應用程序服務器在運行我的代碼;相反，只有在需要時，函數才被實例化并在基礎結構上執(zhí)行。
對于開發(fā)人員來說，將無服務器的函數串在一起執(zhí)行復雜的事務會帶來新的挑戰(zhàn):描述如何將這些函數鏈接在一起，調試分布式事務，并決定如何在一個函數的鏈上失敗，從而創(chuàng)建補償事務來取消不適當的更改。尋找云服務和開放源碼工具，比如FN項目，通過幫助開發(fā)人員輕松地管理服務器功能的編程、組成、調試和生命周期管理，并在筆記本電腦或on - prem服務器或任何云上部署和測試它們，從而繁榮發(fā)展。關鍵是要選擇一個提供大可移植性的無服務器平臺。
8. 關于容器的唯一問題是"為什么不呢?"
容器將成為開發(fā)/測試工作的默認值，并成為生產應用程序的常見內容。在開源創(chuàng)新和行業(yè)標準的驅動下，希望在安全性、可管理性、編制、監(jiān)控和調試方面持續(xù)改進。容器為驅動現代開發(fā)的許多趨勢提供了構建塊，包括微服務體系結構、云本地應用程序、無服務器函數和devops。
容器在任何地方都是沒有意義的——例如，當您需要一個更規(guī)定性的云平臺時，例如集成PaaS或移動PaaS，但是這些更高級別的云服務將自己運行在容器上，并且將是證明規(guī)則的異常。
此外，軟件許可模型用于高價值、商業(yè)、現場的軟件，將不得不接受容器采用的傳播。軟件的定價模型必須支持"打開"和"關閉"許可，因為容器被實例化、放大和縮小。
9. 軟件和系統(tǒng)可以自我修復、自我調節(jié)和自我管理
開發(fā)人員和生產操作團隊正在從日志、web /應用程序/數據庫性能監(jiān)視和用戶體驗監(jiān)視和配置中淹沒數據。此外，這些不同類型的數據都是豎向的，所以您必須將許多人帶入一個房間來調試問題。然后就是知識轉移的問題:開發(fā)人員花了大量的時間來講述他們的應用程序的輸入和輸出、設置的閾值、用于監(jiān)視事務的服務器拓撲，等等。
通過聚合大量的數據到一個存儲庫(在日志、性能指標、用戶體驗,和配置,例如),并應用大量的計算能力,機器學習,和專用算法,基于云計算的系統(tǒng)管理服務將大大緩解性能/日志/配置監(jiān)視。這些云服務將通過觀察事務來建立基線，通過觀察事務(從必須管理閾值來節(jié)省ops團隊)，并了解與事務自動關聯的服務器拓撲。使用針對這些基線的異常檢測，系統(tǒng)管理服務將自動能夠告訴開發(fā)人員，當事情偏離正常的行為時，并能夠顯示特定事務的問題的根源。
開發(fā)人員需要考慮如何在編寫應用程序時利用這種自動化，以便能夠在云中這些智能管理系統(tǒng)之上創(chuàng)建自管理應用程序。
10. 高度自動化的安全性和遵從性努力成為開發(fā)人員的新同盟
盡管開發(fā)人員通常認為安全性和遵從性是"其他人的工作"或"交付代碼的瓶頸"，但基于機器學習和交付的綜合安全性和遵從性機制的出現，將有助于使這些努力與快速的開發(fā)步調一致。具體地說，高度自動化的網絡防御將被部署到"上游"，以識別和糾正開發(fā)和"下游"的潛在安全風險，從而自動調整公司的安全配置文件，以適應正在進行的應用程序和環(huán)境變化(識別攻擊、修復漏洞和評估持續(xù)的遵從性)。
在某些情況下，這種保護是必要的，持續(xù)的合規(guī)評估是GDPR和類似任務的標志。開發(fā)人員、安全專業(yè)人員和最終用戶都將受益于在devops生命周期中更加嚴格的、自動化的安全方法。

網站欄目：10條關于2016年軟件開發(fā)的預測，不僅僅是區(qū)塊鏈
文章轉載：http://www.bm7419.com/news/45447.html

網站建設、網絡推廣公司-創(chuàng)新互聯，是專注品牌與效果的網站制作，網絡營銷seo公司；服務項目有網站維護、軟件開發(fā)等

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯