你也许会奇怪，将一个深度学习有关的博文放在一个主题为DevOps（一组过程，方法与系统的统称）和云计算的博客中是做什么呢。确实，第一眼看去确实很突兀，不过我对此有很好的解释。今晚我花了一些时间来思考未来。我知道，目前微服务和DevOps正处在高端技术的前沿，但是这只是目前的情况。我想要做一个心理训练，思考一下随着软件解决方案的发展，我们的孩子将会做些什么，他们的IT世界将会变得多么不同。并且思考我们是否可以将那时的成就带到今天。

我的第一个任务就是伸展谷歌的手臂，做些研究。这篇文章涵盖了如下技术：

·应用人工智能与先进的机器学习

·智能应用程序

·智能物件

·虚拟现实与增强现实

·数字双生子

·区块链和分布式分类账

·会话系统

·数字技术平台

·网格应用和服务体系架构

·自适应安全架构

就本身来说，这是一个令人惊叹的列表，包含了各种今年发展势头正盛的很酷的技术。但从现实角度来说，我坐在办公桌前，监控成百上千个jenkins系统调度的工作,当工作部署失败时与开发者交流，每天都要对成千行的日志进行分类来检查是否有安全威胁或其他威胁。上述的种种在如今的DevOps世界中如何被取代呢？

这里就需要我坐下来，将这些新的内容沉淀一下，好好思考它们将何去何从。爱因斯坦曾经被记载道他的一些很棒的发现就是通过思考实验获得的。当然，我也可以拥同样的过程来思考我的问题。下面是我的结论：

深度学习

这是最难嚼的一块肉了。不要误解，我喜欢人工智能这个想法。从我很小的时候就迷恋它了。当我进入IT领域之后，我想要学习更多关于人工智能的知识，所以我去了当地的Barnes&Nobel，买了一本非常昂贵的教科书。我当时的数学不是很好，因此书基本上就没用过，后来就忘记放到哪里了。重点是人工智能是规整的，但在日常生活中并不适用。

后来我想到了微服务。一个真正的大型应用程序或一套应用程序应该由成百个微服务组成，这些微服务之间相互交流，相互合作。但是不断的融入混合会招来一碗意大利面般的灾难。如果深度学习软件可以监视这些不断融合的系统和部署管道，不仅给我们报告潜在的系统威胁，还能提供可能的解决方案，那不是一件很好的事情吗？

这就是一个深度学习可以帮助DevOps的例子。但是还要考虑监视的可能性。深度学习系统可以监视你的为微服务基础设施并且知道微服务什么时候停止工作。这对于微服务运作非常重要。此外，它还可以注意到其中一个服务遇到了流量激增过载，懂得协调更多的微服务来处理额外的流量，使系统可以弹性工作。这听起来很像Mesos或Kubernets类型的解决方案，但与之不同的是，它不是一个被迭代逻辑约束的静态系统，而是知道你特定解决方案模式并可以为你的基础设施选择最佳服务的智能系统。

会话系统

那么，对一个成功的持续部署系统很重要的“即时反馈”功能又是怎样的呢？我在这里可能要先说得模糊一些，但是请听我说。我刚才提到，我们的深度学习系统注意到我们的DI/CD管道可能在微服务方面有一些问题。现在想象一下，一个我开发系统上的代理用很清晰的语言给我说明了这个问题。接下来我可以用自然语言来回复这个代理，确实，这段代码可能会导致灾难性的后果，并且会导致所有模块不能工作，直到我快速处理完毕。不只我一个人拥有可以注意到模块挂起状态的代理，很多开发商都有，为什么只有我成为了开发商午餐时间的笑柄呢？

结论

重新读了一遍这个博文，我知道它可能有点抽象。但是一想到未来的可能性以及未来的样子。这个未来对我来说真是棒极了。我不是一个依靠我的殊荣过日子的闲人，静等一些大学摘要概括出如何实现这个未来。在将来要发表的一些博文中，我将更深入地剖析新兴技术，并且使它们为普通人所用。就像我天天都要在DevOps中使用它们一样。