2018年软件开发的预测

来源：湖北国菱计算机科技有限公司-荆州网站建设-荆州软件开发-政府网站建设公司 时间：2018-01-22

区块链、NLP、AI驱动的工具、机器学习、无服务器计算和devops创新将在2018年改变开发者的生活。

1. 利用区块链的B2B交易进入生产阶段

企业已经开始了解从区块链启动的交易中获得的安全性、可靠性和效率。在未来的一年，开发人员将在整个金融服务和制造供应链中实施许多区块链用例。区块链是一种技术，它可以使组织之间的高效、安全、不可变、可信的交易成为可能，而这些交易可能不会完全相互信任，从而消除中介。

区块链云服务将带来可伸缩性、弹性、安全性以及与企业系统的预构建集成，使开发人员更容易将重点放在业务用例上，而不是底层的hyperledger fabric实现。

2. 聊天机器人经常与顾客和员工进行真正的对话

开发人员使用新的智能的bot构建云服务，可以快速地制造能够理解客户意图、维护会话状态的机器人，并在与后端系统集成的过程中智能地响应。想象一下你在电影中看到的一件连衣裙的图片，然后把照片传给你最喜欢的服装店的机器人，它使用图像识别和人工智能来推荐相似的服装。

3. 按钮消失了：AI变成了app界面

人工智能成为UI，意味着使用应用和服务的同步、请求-响应模型逐渐消失。智能手机仍然是“低智商”，因为你必须去接他们，启动一个应用程序，要求做一些事情，最终得到回应。在新一代智能应用程序中，该应用将通过推送通知启动交互。让我们更进一步，使用人工智能的应用程序、机器人或虚拟个人助手将知道该做什么、何时、何地以及如何做。费用审批程序会注意你的报销模式，开始自动审批费用报告的99%，只会让你注意到需要你注意的罕见报告。

4. 机器学习采用实际的、特定领域的用途

机器学习正从晦涩的数据科学领域转移到主流应用程序开发领域，这都是因为在流行的平台上可以预先构建模块的可用性，而且在处理大型的历史数据集时，它非常有用。通过机器学习，最有价值的洞察力来自于背景，你以前做过什么，你问过什么问题，别人在做什么，正常的和反常的活动是什么。

使用机器学习，开发人员可以构建智能应用程序来生成建议、预测结果或做出自动化的决策。

5. DevOps走向无操作

我们都同意devops对于帮助开发人员快速构建新的应用程序和特性非常重要，同时保持高质量和性能。devops的问题是开发人员需要花费他们60%的时间在方程的操作一边，从而缩短开发的时间。开发人员必须集成各种持续集成和持续交付(CICD)工具，维护这些集成，并随着新技术的发布不断更新CI / CD工具链。每个人都有CI，但没有太多的人做CD。开发人员会坚持使用云服务来帮助钟摆在2018年回归开发。这将需要更大的自动化。

Docker提供了打包、可移植性以及进行敏捷部署的能力。您需要CD作为Docker生命周期的一部分。例如，如果您正在使用容器，一旦您将代码更改提交给Git，那么构建的默认构件应该是具有新版本代码的Docker映像。此外，映像应该被自动推送到Docker注册表中，并将一个容器从映像部署到devtest环境中。在QA测试和部署到生产之后，应该为您处理容器的编排、安全性和扩展。商业领袖正在向开发者施压，要求他们更快地提供新的创新;devops模型必须为开发人员腾出更多的时间使其成为可能。

6. 开源作为一种服务，加速了开源创新的消费

开源模式仍然是创新的最佳引擎之一，但实现和维护创新往往过于复杂。例如:您想要一个流数据/事件管理平台，所以您可以转向Kafka。当您开始在规模上使用Kafka时，您必须设置额外的Kafka节点和负载平衡大型Kafka集群，随着Kafka的新版本的发布更新这些集群，然后将此服务与您的其他环境集成起来。

开发人员将越来越多地寻找云服务，以便在处理这些技术的操作和管理方面的同时，从开放源码中提供所有的高速创新。

7. 无服务器计算的架构在生产中会变得很大

无服务器架构的吸引力是显而易见的:当需要基于某个事件执行我的代码时，基础架构被实例化，我的代码被部署和执行，而我只在代码运行的时候被收取费用。

对于开发人员来说，将无服务器的函数串在一起执行复杂的事务会带来新的挑战:描述如何将这些函数链接在一起，调试分布式事务，并决定如何在一个函数的链上失败，从而创建补偿事务来取消不适当的更改。寻找云服务和开放源码工具，比如FN项目，通过帮助开发人员轻松地管理服务器功能的编程、组成、调试和生命周期管理，并在笔记本电脑或on - prem服务器或任何云上部署和测试它们，从而繁荣发展。关键是要选择一个提供最大可移植性的无服务器平台。

8. 关于容器的唯一问题是“为什么不呢?”

容器将成为开发/测试工作的默认值，并成为生产应用程序的常见内容。在开源创新和行业标准的驱动下，希望在安全性、可管理性、编制、监控和调试方面持续改进。容器为驱动现代开发的许多趋势提供了构建块，包括微服务体系结构、云本地应用程序、无服务器函数和devops。

容器在任何地方都是没有意义的——例如，当您需要一个更规定性的云平台时，例如集成PaaS或移动PaaS，但是这些更高级别的云服务将自己运行在容器上，并且将是证明规则的异常。

此外，软件许可模型用于高价值、商业、现场的软件，将不得不接受容器采用的传播。软件的定价模型必须支持“打开”和“关闭”许可，因为容器被实例化、放大和缩小。

9. 软件和系统可以自我修复、自我调节和自我管理

开发人员和生产操作团队正在从日志、web /应用程序/数据库性能监视和用户体验监视和配置中淹没数据。此外，这些不同类型的数据都是竖向的，所以您必须将许多人带入一个房间来调试问题。然后就是知识转移的问题:开发人员花了大量的时间来讲述他们的应用程序的输入和输出、设置的阈值、用于监视事务的服务器拓扑，等等。

通过聚合大量的数据到一个存储库(在日志、性能指标、用户体验,和配置,例如),并应用大量的计算能力,机器学习,和专用算法,基于云计算的系统管理服务将大大缓解性能/日志/配置监视。这些云服务将通过观察事务来建立基线，通过观察事务(从必须管理阈值来节省ops团队)，并了解与事务自动关联的服务器拓扑。使用针对这些基线的异常检测，系统管理服务将自动能够告诉开发人员，当事情偏离正常的行为时，并能够显示特定事务的问题的根源。

开发人员需要考虑如何在编写应用程序时利用这种自动化，以便能够在云中这些智能管理系统之上创建自管理应用程序。

10. 高度自动化的安全性和遵从性努力成为开发人员的新同盟

尽管开发人员通常认为安全性和遵从性是“其他人的工作”或“交付代码的瓶颈”，但基于机器学习和交付的综合安全性和遵从性机制的出现，将有助于使这些努力与快速的开发步调一致。具体地说，高度自动化的网络防御将被部署到“上游”，以识别和纠正开发和“下游”的潜在安全风险，从而自动调整公司的安全配置文件，以适应正在进行的应用程序和环境变化(识别攻击、修复漏洞和评估持续的遵从性)。

在某些情况下，这种保护是必要的，持续的合规评估是GDPR和类似任务的标志。开发人员、安全专业人员和最终用户都将受益于在devops生命周期中更加严格的、自动化的安全方法。