過去幾年中，從鬼話到神話再到人話，DevOps已經從時髦概念落地***實踐，進而改變著整個軟件世界。而在即將到來的2019年，DevOps將迎來一波猛烈的發展，成為推動軟件世界前進的核心動力。從過去五年DevOps的Google Trend熱度走勢(下圖)來看，這個預測并非空穴來風。

統計數據方面，DevOps的采用率從2015年到2016年提高了約8%，如下圖所示，預計2019這一數字將大幅增長。

據Statista稱，許多商業組織正在采用DevOps，2018年增長率高達17%，而2017年則為10%左右。

您可以點擊RightScale查看完整報告。此外Forrester的報告明確提到2018年將是DevOps元年。

我最近關于DevOps現狀統計數據的文章在DevOps愛好者中得到了極大的反響，這表明許多技術傳播者都有興趣了解，并更多地在他們的組織中實施DevOps。

以下我們來看看DevOps發展的八大趨勢

1. 焦點從CI管道(Pipeline)轉移到DevOps裝配線

Pipelines管道可以可視化的方式向你完整顯示APP從源代碼到生產環境的過程，您可以在單一面板中看到所有內容。我們要做的不僅僅是CI(持續集成)，更重要的是CD(持續交付); 組織正在投入時間和精力來更多地了解如何將軟件開發全過程自動化。在2019年，這種轉變將表現為從CI管道向DevOps裝配線的演化。

2. 自動化將成為主要焦點

在DevOps中，我們談論了很多自動化。如果可能的話，零接觸自動化就是未來的發展方向。這并不意味著你必須自動化一切，但如果必須，那么你應該能夠做到。了解DevOps周期的6 C并確保在這些階段之間應用自動化是關鍵所在，這將是企業2019年的主要目標。

DevOps生命周期的6c

3. 測試人員應該學習編碼

在DevOps中，需要知道如何編寫代碼并用自動化腳本來測試各種用例的測試人員。如果您是測試人員并且在是否學習編碼方面處于兩難境地，我們建議您學習編碼。了解不同的DevOps工具和自動化腳本在當今的軟件開發中至關重要，并且這也將是2019年的主旋律。

如果測試人員不學習編寫代碼并編寫自己的自動化測試腳本，他們就離死不遠了。手動測試將在2019年過時，因為會耗費大量時間。測試自動化不僅可以提高效率，還可以確保功能更快地交付給市場。

4. 增加采用微服務架構

DevOps和微服務將齊頭并進。微服務是獨立的實體，因此在出現問題時不會存在依賴關系并破壞其他系統。微服務架構可幫助公司輕松部署和添加新功能。預計公司將轉向微服務架構，以增加其運行時間和有效交付能力。在制定微服務架構決策前，我們不要人云亦云，或者跟風冒進，企業技術決策者應當了解和理解為什么要采用微服務架構。

5. 更多公司會選擇企業版本

有許多公司仍處于自行開發或購買的兩難境地。但是，我們建議您按照自己的要求做自己最擅長的工作并購買工具。這不僅可以幫助您專注于您的目標，還可以完全依賴第三方平臺來提高工作效率。許多公司現在都在尋求企業版本來搭建自己的基礎架構，并確保安全性盡可能得到***的控制。

6. Kubernetes將迎來大發展

Kubernetes因其產品力和易用性而成為增長最快的容器技術。Kubernetes圍繞它建立了一個很好的開源社區。在世界各地，許多CIO和技術專家已采用Kubernetes，預計Kubernetes將在2019年迎來大發展。

最近，在KubeCon + CloudNativeCon北美會議(2017年12月6日至8日)前夕，云原生計算基金會進行了一項調查，并分享了容器編排環境向Kubernetes轉移的變化趨勢。

容器技術環境向Kubernetes轉移

7. 安全性將成為主要焦點 – DevSecOps

CICD管道能夠實現日常的快速迭代變化，從而滿足客戶的需求和要求。CI / CD管道也可以實現自動化，因此安全性現在必須成為設計規范的一部分，從一開始就考慮安全性需要，將安全性編輯到軟件的“基因”中，而不是像速騰轎車有缺陷的后軸一樣用螺栓固定，安全性不再是附加功能。

最近我們看到了DevSecOps的上升趨勢，DevSecOps強調在應用程序開發的生命周期中首先注入安全性，從而減少漏洞并使安全性匹配IT和業務目標要求。DevSecOps模型假設每個人都對安全負責，因此減少了問責和查源扯皮的問題。

DevOps和DevSecOps之間的區別

8. AI和ML將促進DevOps增長

AI和ML非常適合DevOps文化。他們可以處理大量信息并幫助執行瑣碎的任務，從而使IT人員能夠完成更有針對性的工作。他們可以學習模式，預測問題并提出解決方案。DevOps的目標是統一開發和運營，而AI和ML則可以消除過去分裂開發和運維兩大業務的一些緊張局勢。(參考閱讀 -  DevOps.Com AI和ML從六個方面優化DevOps)