Dotnet的委托

上图是个由我们打了几千个包的经验得出对单个项目编译时间大致的曲线图。这里假设一台机器只一次只有一次job。Y轴编译时间，X轴某次的编译， 红色线条表示的是原生(未使用Ccache和二进制组件)，黄色线表示使用了Ccache，蓝色表示使用了二进制组件。

由图可以看出来在无任何辅助下原生的编译时间曲线(红色)是趋于平缓，在20min上下左右。Ccache和二进制第一次在无任何缓存的情况下，在一定程度上是会比原生的耗时，Ccache主要耗时在边编译边缓存项目的编译产物。二进制主要耗时在编译完成后，对.a编译产物的组装和push到私有源仓库的时间上(这个跟所采用有关系，如果没有利用Jenkins 编译后的产物制作二进制就不存在。)。

在ccache完全命中、二进制文件完全都存在的情况下，ccache比原生的提高一倍以上， 二进制会比ccache编译时间再提高一倍，且稳定在2分钟左右。二进制在之后的表现更趋于平稳，而ccache在修改了某个被引用较多的文件时、如底层的公共文件后，命中率就会大大地降低，有时会比不用ccache更耗时，如#4位置。在ci有多个job同时并发在跑的情况下，由于ccache 需要对IO频繁地读写操作，耗时表现可能会更糟糕些，我们经常遇到过等了七十几分钟才出包的情况。

二进制的编译时间相对平稳很多(蓝色曲线)，在我们架构强有力的支撑下，划分出110多个独立组件，每次的打包基本上是就耗在某个组件的编译+archive。如果是某些变更比较频繁的组件，我们还可以考虑对颗粒较大组件配上ccache，做双层编译缓存。双层编译缓存原理是Pods组件库无二进制组件采用源码编译时，源码编译同时应用ccache缓存支持，加速源码组件的编译。

同时组件库可以配合Gitlab-Ci的runner的应用，每次已提交代码就触发独立组件的制作二进制，让每次的编译速度都达到最快，蓝色二进制曲线将会更接近直线。Gitlab-Ci具体的使用教程参见后文。

如果存在有独立组件无法编译问题和版本依赖问题，也可以再跑个定时Job，或者其他轮询条件Job，及时提供最新二进制组件。

2.2、多项目情况
 

(4)目标：缓解IT警报疲劳等问题

IT组织需要考虑Ops这个主题。IDC公司指出，IT自动化是2020年人工智能增长最快的用例之一(以及药物研发和人力资源自动化)。正如DevOps研究所的首席研究总监Eveline Oehrlich在最近的一篇文章中指出的那样，AIOps可以证明IT组织具有变革性，因为在IT组织中，运营环境所生成的数据太多了，使领导者的决策受到了影响。在混合云时代，这是不断增长的IT功能队列。机器学习可以解决大量经常冗余的警报，以更加实时或主动的方式帮助管理系统性能，并提供更大的端到端可见性，从而为IT团队节省时间。

为此有充分的理由将人工智能行动列入2021年十大人工智能趋势的名单。而孤立的监控系统无法跟上当今多样化的环境。Gartner公司认为AIOps有五个主要用例：性能分析、异常检测、事件关联、分析，以及IT服务管理。

Perfecto by Perforce公司首席技术官兼产品经理Eran Kinsbruner在最近发表的一篇文章中写道：“这些工具共同构建了一个全面的生产和运营洞察力分析层，可以在大数据和先进的现代软件架构上运行。借助基于人工智能的操作功能，团队可以专注于确定其应用程序的服务运行状况，并获得对其生产数据的控制和可视性。”

随着供应商开始提供AIOps平台解决方案，Forrester公司建议IT领导者寻求那些可以提供跨团队协作功能、端到端数字体验以及无缝集成到整个IT运营管理工具链中的解决方案。

(5)机器学习：可预测的资源优化

能够预测突然变化(供应或需求、医疗保健成果、销售或客户行为)的价值越来越清晰。

在基本层面上，有监督的机器学习(特别是回归)使组织能够建立数学模型，根据一系列预测变量或输入来预测未来的结果。Perkins说，“这种方法在各个行业的商业应用非常广泛，其共同点是能够事半功倍。无论是人力资源、清单资源还是谨慎流程，机器学习都使人们能够观察和定义模式以获取以前无法获得的见解。”

这种技术的用例包括库存优化和重新订购点，可以在特定的轮班或需求期间对员工进行适当的工作安排，甚至提高销售预测的准确性。

（编辑：平凉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!