从我们认为DevOps只是一个流行语开始，它已经发展了很长的一段时间。现在，DevOps已经成为了一个主要焦点，并在过去几年一直在塑造着软件世界。专家表示，DevOps将成为主流，它的流行程度将在2019年达到顶峰。

根据2018年的《DevOps现状报告》，DevOps精英级执行团队代码部署频率和发布速度更高，变更故障率更少，事故恢复时间更短，同时高效能团队的比例逐年增长，采用DevOps的团队越来越多。

而Stack Overflow2018年的薪资计算器报告显示，全球DevOps专家的收入最高，美国DevOps专家的年薪中位数接近10万美元。

以下是“DevOps”一词的Google Trends以及2019年的预计增长假设。

从统计数据来看，DevOps的采用率从2015年到2016年增加了约8％，预计这一数字将在2019年大幅增长。

根据Statista的报告，很多商业组织正在采用DevOps，2018年增长率高达17％，而2017年则为10％左右。

你可以在RightScale上查看完整的报告（https://www.rightscale.com/blog/cloud-industry-insights/new-devops-trends-2016-state-cloud-survey）。Forrester的报告中也明确提到了2018年将是DevOps年。

我们看到了将影响来年DevOps发展的八个事实。

1.焦点从CI管道转移到DevOps装配线

管道为应用程序提供了从源码控制到生产环境的一套完整的可视化视图。你可以在某个地方看到所有的内容。现在不仅要做CI（持续集成），还要做CD（持续交付）。企业正投入时间和精力，以便更多地了解如何自动化完整的软件开发过程。

在2019年，将会发生从CI管道到DevOps装配线的转变。DevOps装配线专注于自动化和连接多个团队执行的活动，例如开发人员的CI，运维人员的基础架构配置和配置管理，测试人员的测试自动化，SecOps的安全补丁，发布负责人的语义版本控制和部署到多种环境，等等。

下图展示了单个应用程序或服务的典型装配线：

2.自动化将成为主要焦点

关于DevOps，我们谈论了很多自动化方面的内容。如果可能的话，零接触（zero-touch）自动化就是未来的发展方向。这并不是说你一定要自动化一切，只是说如果有必要，你就应该能够做到。了解DevOps周期的六个“C”，并确保在这些阶段之间应用自动化，这才是关键，这将是2019年的主要目标。

DevOps对知道如何编写代码并通过自动化脚本来测试各种案例的测试人员的需求将大幅增长。如果你是测试人员并且在是否学习编码方面处于两难境地，我们建议你还是学习编码吧。了解不同的DevOps工具和自动化脚本在当今的软件开发中起着至关重要的作用，并且将在2019年占据主导地位。

如果测试人员不学习编写代码和自动化测试脚本，就有可能被淘汰。手动测试将在2019年过时，因为它们需要耗费大量的时间。测试自动化不仅可以提高效率，还可以确保更快地将功能交付给市场。

DevOps和微服务将齐头并进。微服务是独立的实体，因此在出现问题时不会给其他系统造成破坏。微服务架构可以帮助公司轻松部署和添加新功能。预计更多的企业将会转向微服务架构，以改进他们的在线运行时间和有效交付。不要只是因为别人采用了微服务就跟着学，一定要了解自己的需求，并知道为什么要采用微服务架构。

很多公司仍处于是自己开发还是购买企业版软件的两难境地。我们建议你做自己最擅长的事情，并按照自己的要求购买相应的工具。这样不仅可以帮助你专注于你的目标，还可以完全依赖第三方平台来提高工作效率。很多公司现在都在通过企业版软件来构建自己的基础设施，并确保安全性尽可能得到最好的控制。

Kubernetes因为易用性而成为增长最快的容器技术。Kubernetes还建立了一个壮大的开源社区。在世界各地，很多CIO和技术专家已经在使用Kubernetes，并预计在2019年会有重大的发展。

最近，云原生计算基金会（CNCF）进行了一项调查，分享了容器编排领域所发生的变化以及转向Kubernetes的趋势。

CI/CD管道让通过快速变更来满足客户的日常需求成为可能。CI/CD管道也可以进行自动化，而安全性现在已经成为了一个设计约束。从一开始就要考虑安全性，将安全性构建到软件中，而不是作为插件，因为安全性不再是附加功能。

最近，我们看到了DevSecOps的上升趋势，DevSecOps是指先在应用程序开发生命周期中注入安全性，从而减少漏洞，并让安全性更接近IT和业务目标。这个模型假设每个人都需要对安全性负责，因此减少了职责归咎方面的噪音和困境。

AI和ML非常适用于DevOps。它们可以处理大量信息，帮助执行琐碎的任务，从而让IT人员能够完成更有针对性的工作。它们可以学习模式、预测问题并提出解决方案。如果DevOps的目标是统一开发和运营，AI和ML可以消除过去二者之间的一些“对抗”状态。