本文探討了人工智能正在重塑IaC運營的一些重要領(lǐng)域，并討論了未來可能會發(fā)生的情況。

在當(dāng)今的技術(shù)領(lǐng)域中，人工智能（AI）幾乎在每個領(lǐng)域都產(chǎn)生了深遠(yuǎn)的影響。基礎(chǔ)設(shè)施即代碼（IaC）的愛好者一直在探索人工智能如何推動IaC生態(tài)系統(tǒng)的下一場變革。

正如人們所看到的，人工智能在提升DevOps和平臺能力方面發(fā)揮著重要作用。而且很明顯的是，人工智能將成為未來IaC實踐的核心。以下將探討人工智能正在重塑IaC運營的一些重要領(lǐng)域，并討論未來可能會發(fā)生的情況。

編寫和維護(hù)IaC

IaC的興起極大地提高了基礎(chǔ)設(shè)施的效率和開發(fā)人員的自助服務(wù)能力。然而，編寫基礎(chǔ)設(shè)施代碼(無論是YAML、JSON還是HCL) 的復(fù)雜性日益增加，這帶來了一些挑戰(zhàn)。

盡管Pulumi和AWS CDK等工具取得了進(jìn)步，開發(fā)人員可以使用通用編程語言編寫IaC，但編寫大量的IaC代碼可能會讓人不堪重負(fù)。這種障礙促使許多工程組織成立專門的DevOps和平臺團(tuán)隊來掌握這一流程。

然而，隨著時間的推移，這些團(tuán)隊的開發(fā)速度在部署過程中成為了瓶頸，推遲了基礎(chǔ)設(shè)施配置和軟件交付的速度。像GitHub Copilot這樣的人工智能工具正在徹底改變開發(fā)人員編寫和維護(hù)應(yīng)用程序代碼的方式。這些工具使用在大量數(shù)據(jù)集上訓(xùn)練的機器學(xué)習(xí)模型來提供智能代碼建議和自動完成功能。

例如，在編寫函數(shù)或方法時，Copilot可以預(yù)測下一行代碼，對整個代碼塊提出建議，并即時糾正語法錯誤。這不僅加快了開發(fā)速度，而且通過實施最佳實踐來幫助保持代碼質(zhì)量。

同樣的原則也適用于IaC, 人工智能可以為Terraform、OpenTofu、CloudFormation和Pulumi等框架編寫配置。例如，當(dāng)使用OpenTofu定義AWS S3桶時，人工智能工具可以根據(jù)行業(yè)最佳實踐建議存儲桶策略、版本控制和生命周期規(guī)則的最佳配置。

同樣，當(dāng)將Pulumi與TypeScript一起使用時，人工智能可以推薦適當(dāng)?shù)馁Y源配置，管理資源之間的依賴關(guān)系，并確保遵守組織標(biāo)準(zhǔn)。

經(jīng)過大量IaC代碼訓(xùn)練的人工智能模型可以識別出需要改進(jìn)的領(lǐng)域，例如，將重復(fù)的代碼重構(gòu)為可重用的模塊以提高效率和一致性。例如，如果跨項目經(jīng)常設(shè)置配置相似的EC2實例，人工智能模型可以建議創(chuàng)建一個模塊來封裝設(shè)置，從而減少重復(fù)和潛在的錯誤。

人工智能還有助于在大規(guī)模環(huán)境中保持一致性和治理。通過基于行業(yè)最佳實踐定義和執(zhí)行策略，人工智能幫助組織確保合規(guī)性和安全性，特別是對于大型和復(fù)雜的基礎(chǔ)設(shè)施而言。這減少了“重新發(fā)明輪子”的需要，并簡化了基礎(chǔ)設(shè)施管理。

IaC的自動化測試

與開發(fā)IaC代碼相似，開發(fā)人員往往對為其編寫的代碼進(jìn)行測試持抵觸態(tài)度。然而，為了維護(hù)良好的IaC實踐，將基礎(chǔ)設(shè)施代碼視為與軟件代碼同等重要，而測試是確保代碼質(zhì)量的關(guān)鍵因素。

最近的技術(shù)發(fā)展為人工智能在IaC測試中的角色鋪平了道路，例如OpenTofu和Terraform（1.6版）中測試功能的引入。像CodiumAI、Tabnine和Parasoft這樣的基于人工智能的測試工具已經(jīng)在軟件開發(fā)中展示了巨大的價值，這一趨勢現(xiàn)在正在擴展到IaC領(lǐng)域。

人工智能助理可以通過自動生成新的和現(xiàn)有的IaC代碼測試幫助開發(fā)人員。這減少了他們創(chuàng)建測試所需的時間和精力，從而能夠在IaC工具中更快地實現(xiàn)測試框架。人工智能驅(qū)動的測試最終將簡化流程，從而隨著時間的推移提高IaC的質(zhì)量。

此外，人工智能與集成開發(fā)環(huán)境（IDE）的集成使自動測試生成更容易實現(xiàn)。像Copilot和Tabnine這樣的工具可以在開發(fā)人員喜歡的環(huán)境中無縫地工作，直接在工作流程中提供建議和改進(jìn)。

高級IaC管理工具可以支持開發(fā)人員優(yōu)化的功能，將資源直接導(dǎo)入IDE，簡化開發(fā)和基礎(chǔ)設(shè)施管理，而不需要額外的工具。

使用人工智能的IaC的可觀察性

隨著現(xiàn)代系統(tǒng)規(guī)模和復(fù)雜性的增長，基礎(chǔ)設(shè)施的可觀察性（尤其是在云計算環(huán)境中）變得越來越重要。一個值得注意的例子是GitLab由于過時的生產(chǎn)配置而導(dǎo)致的兩小時停機，這凸顯了需要強大的IaC實踐和實時監(jiān)控來防止配置漂移的必要性。

在多云運營中，大規(guī)模管理云計算資產(chǎn)和資源是一項獨特的挑戰(zhàn)。人工智能可以提供云計算管理的可見性，并分析通過IaC、API或人工ClickOps（在可能的情況下應(yīng)該遷移到IaC）管理基礎(chǔ)設(shè)施的程度。人工智能還可以對運營進(jìn)行分類，優(yōu)化資源管理，并執(zhí)行人工智能定義的與標(biāo)記、合規(guī)性、安全性、訪問控制和成本優(yōu)化相關(guān)的策略。

人工智能在可觀察性方面的作用超出了基礎(chǔ)設(shè)施管理。通過分析Datadog、Logz等平臺上大量日志數(shù)據(jù)的信號。人工智能可以識別模式和異常，幫助優(yōu)化系統(tǒng)性能，排除問題并防止中斷。這種能力對IaC特別有用，因為人工智能可以檢測異常行為并做出響應(yīng)，以確保基礎(chǔ)設(shè)施保持安全和高效。

例如在平臺上，人工智能已經(jīng)用于對CloudTrail有效負(fù)載進(jìn)行細(xì)致的分析，這有助于在大數(shù)據(jù)集中發(fā)現(xiàn)難以檢測的模式。反過來，這能夠迅速識別出異常和IaC覆蓋漏洞，并報告潛在的風(fēng)險和節(jié)省成本的機會，例如淘汰閑置資源。

        圖1使用CloudTrail進(jìn)行IaC覆蓋和風(fēng)險分析

人工智能在IaC中的應(yīng)用：超越炒作

人工智能不僅僅是一個流行語，還是一個強大的工具，增強了包括IaC在內(nèi)的許多工程領(lǐng)域。而目前看到的技術(shù)進(jìn)步只是開始。

展望未來，人工智能將在代碼生成、自動化測試、異常檢測、策略執(zhí)行和云計算可觀察性等領(lǐng)域發(fā)揮越來越重要的作用。通過將人工智能集成到IaC工作流程中，組織可以實現(xiàn)更高的效率、安全性和成本效益，為更先進(jìn)和可擴展的云計算基礎(chǔ)設(shè)施奠定基礎(chǔ)。

IaC的未來不僅僅是編寫更好的代碼，還將利用人工智能來推動創(chuàng)新，促進(jìn)下一波基礎(chǔ)設(shè)施和云管理的發(fā)展。

原文標(biāo)題：??Supercharging IaC With AI for Next-Gen Infrastructure Efficiency??，作者：Omry Hay