En los últimos años, la forma de desarrollar software ha evolucionado. Nuevos patrones, nuevas arquitecturas y nuevas tecnologías como cloud y microservicios. Pero, ¿cómo desarrollo ahora? ¿Cómo despliego el software? ¿Cómo manejo los nuevos modelos de base de datos? DevOps y DataOps son la respuesta.

1. Borja Gómez
Business Development Manager Cloud Innovation
Oracle
06/11/2019 Madrid
14/11/2019 Barcelona
Las nuevas arquitecturas precisan
DevOps y DataOps

2. q ¿Tus equipos de operaciones y desarrollo tienen dificultades o problemas para coordinar sus actividades?
q ¿Tardas mucho en aprovisionar HW o Software para tus nuevos proyectos?
q ¿Puedes responder con confianza al ritmo que exige tu equipo de negocio?
q ¿Puedes actualizar y parchear tus sistemas según las alertas son anunciadas?
DevOps

3. DevOps es una metodología de desarrollo software basada en la integración entre desarrolladores y administradores
de sistemas, que permite que los desarrolladores puedan enfocarse sólo en desarrollar y puedan desplegar su código
en segundos.
DevOps
¿Qué es DevOps?
"El objetivo final de DevOps es minimizar el riesgo de los
cambios que se producen en las entregas y dar así un mayor
valor tanto a los clientes como al propio negocio"

4. DevOps
¿Qué NO es DevOps?
• No es un perfil profesional que se pueda enseñar y contratar.

5. DevOps
¿Qué NO es DevOps?
• No es un perfil profesional que se pueda enseñar y contratar.
• No consiste en cargar la responsabilidad de todo al desarrollador.

6. DevOps
¿Qué NO es DevOps?
• No es un perfil profesional que se pueda enseñar y contratar.
• No consiste en cargar la responsabilidad de todo al desarrollador.
• No es la solución mágica a todos los problemas de IT.

7. DevOps
Ciclo

8. • Planifica las tareas que realizará cada
integrante del equipo
• Utiliza herramientas de planificación en
metodología ágil.
• Coordina las tareas necesarias en el ciclo de
desarrollo
• Busca herramientas que sirvan para:
• Registrar las tareas, control de versiones
• Automatizar compilación y pruebas
• Integración continua
• Aprovisionamiento continuo
DevOps
Plan

9. • Centrarse sólo en el desarrollo
• Automatizar la creación de entornos con
contenedores
• Integrar GIT con sistema de gestión de
incidencias
• Code review para evitar mala calidad
• Prototipar para evitar tirar código a la basura
DevOps
Code

10. • Automatiza el proceso de compilación para
evitar
• Errores humanos
• Configuraciones personalizadas
• Uso de herramientas comúnes:
• Maven, Gradle, Ant, NodeJS…
• Compilación automática tras commit
DevOps
Build

11. • Asegurar la calidad con todas las
herramientas que nos faciliten el proceso.
• Control de calidad con Sonar
• Testing automático con Junit
• Pruebas automatizadas con Selenium,
Katalon, etc.
• Aseguremos que el software pasa de
forma rigurosa todos los test o mínimos
test que establezcamos.
DevOps
Test

12. • Tras la fase de testing, podemos llevar el
despliegue a producción con seguridad.
• Desplegar los servidores o elementos
necesarios
• Aprovisionamiento de servicios cloud
• Creación automático de entornos
• Servidores, redes, etc
• Automatizar todo lo requerido para evitar
dependencias:
• Humanas
• De conocimiento especifico de un operador IT
• Del producto donde despliega
DevOps
Release

13. • El cloud facilita tu estrategia de
despliegue
• Maneja tu infraestructura con
herramientas estándar
• Docker, Kubernetes y Terraform
DevOps
Deploy

14. • Es necesario monitorizar constantemente
la plataforma para detectar y diagnosticar
problemas antes de que ocurran o en su
fase temprana.
• Hay múltiples soluciones Cloud que nos
permiten conseguir métricas e información
de las aplicaciones para identificar su
rendimiento, detectar posibles cuellos de
botella y actuar sobre ellos.
• Sistemas “autonomous” comienzan a hacer
este trabajo por nosotros.
DevOps
Operate

15. • Busca tener toda la información en un
único punto.
• El ciclo DevOps nunca termina, incluso
aplicaciones estables requieren ser
constantemente monitorizadas y
mantenidas.
DevOps
Monitor

16. Reid Hoffman
Linkedin co-founder
“If you're not embarrassed by the
first version of your product,
you've launched too late”

17. DataOps
Objetivo
“DataOps busca reducir el tiempo del ciclo punto a punto del
análisis de datos, desde el origen de una idea hasta la creación
de modelos y gráficas que tengan valor"

18. Single-Purpose vs. Multi-Purpose
Instead of
Phones,
Messaging,
Camera, Calendar,
Music, Navigator,
Notepad,
Calculator…
Instead of
Relational, No-SQL,
JSON, XML,
Transactional,
Analytics, In-Memory,
IoT, ML, Blockchain,
Spatial, Sharding…
Smart Phone Converged Database

19. Copyright © 2019 Oracle and/or its affiliates.
Oracle Converged Database
Multi-Model and Multi-Workload
Converged Database
Multiple Data Types
(models and semantics)
Relational, Document, JSON, XML,
OLAP, Spatial, Graph, Object-
Oriented, Text, etc.
Multiple Application Types
(workloads and technologies)
Operational, Analytics,Translytics,
Transactional, IoT, ML, In-Memory,
Block-Chain, HTAP, etc.
Multi-Model Multi-Workload
Oracle runs one Converged Database that supports multiple data types and workloads
Amazon runs many separate Specialized Databases for each data type and workload

20. In-Database ML Algorithms
Function Algorithms Applicability
Classification
Logistic Regression (GLM)
Decision Trees
Naïve Bayes
Support Vector Machines (SVM)
Classical statistical technique
Popular / Rules / transparency
Embedded app
Wide / narrow data / text
Regression
Linear Regression (GLM)
Support Vector Machine (SVM)
Classical statistical technique
Wide / narrow data / text
Anomaly
Detection
One Class SVM Unknown fraud cases or anomalies
Attribute
Importance
Minimum Description Length (MDL)
Principal Components Analysis (PCA)
Attribute reduction, Reduce data noise
Association Rules Apriori Market basket analysis / Next Best Offer
Clustering
Hierarchical k-Means
Hierarchical O-Cluster
Expectation-Maximization Clustering (EM)
Product grouping / Text mining
Gene and protein analysis
Feature Extraction
Nonnegative Matrix Factorization (NMF)
Singular Value Decomposition (SVD)
Text analysis / Feature reduction
A1 A2 A3 A4 A5 A6
A7
F1 F2 F3 F4

21. Plataforma DevOps
• Entorno CI/CD abierto: Developer
Cloud Services. Gratis excepto instancia
Build
• Entorno gestionado de Kubernetes
(OKE)
• Estándar k8s.
• Soporte Kubernetes en Oracle Linux
on-premise
• Oracle functions -
• Functions
Arquitectura Data Layer DevOps
• Solución al problema del Strangler
Pattern y el Domain-Driven Design
• Arquitectura de datos BI-MODAL
corporativa
• Propuesta para el problema de Sagas
Pattern
Confidential - Oracle Internal
1 2
Oracle DevOps: propuestas de valor

22. Transactions
User Experience
High Performance & Elastic
Applications in the Cloud
Order Entry
Application
JSON or 3FN
OKE
Application
User
Business
Owner
Autonomous
Database
New Business Benefits
• High Performance
• Elasticity
• Pay per use
Autonomous Elastic Transaction

23. Autonomous Elastic Transaction & Analytics Demo Use Case
Hybrid transactional analytical processing (HTAP)
HTAP Application Dev
AnalyticsTransactions
Transactions with Real-Time in-memory
Analytics and Machine Learning
Innovating Faster,
Easy and Less ML Coding with
SQL, JSON, ORDS and SODA
Mixed WorkloadsUser Experience
High Performance, Elastic & Secure
Intelligent Applications
Order Entry
Application
Scoring,
Recommendation
s and Predictions
JSON or 3FN
JSON
SQL
OKE ORDS
Oracle ML:
Built-in
notebook
Data
Scientist
Application
User
Business
Owner
Autonomous
Database

24. Autonomous Elastic Transaction & Analytics Demo Use Case
Hybrid transactional analytical processing (HTAP)
HTAP Application Dev
AnalyticsTransactions
Transactions with Real-Time in-memory
Analytics and Machine Learning
Innovating Faster,
Easy and Less ML Coding with
SQL, JSON, ORDS and SODA
Mixed WorkloadsUser Experience
High Performance, Elastic & Secure
Intelligent Applications with auto Scoring,
Recommendations and Predictions
Order Entry
Application
REST
Microservices
Scoring,
Recommendation
s and Predictions
Business
Performance Monitor
JSON
or 3FN
JSON
SQL
OKE ORDS
Oracle ML:
Built-in
notebook
Data
Scientist
Application
Developer
Application
User
Business
Owner
Any other
programing
language
Autonomous
Database
Load
Balancer

25. Autonomous Elastic Transaction & Analytics Demo Use Case
Hybrid transactional analytical processing (HTAP)
HTAP Application Dev
AnalyticsTransactions
Transactions with Real-Time in-memory
Analytics and Machine Learning
Innovating Faster,
Easy and Less ML Coding with
SQL, JSON, ORDS and SODA
Mixed WorkloadsUser Experience
High Performance, Elastic & Secure
Intelligent Applications with auto Scoring,
Recommendations and Predictions
Order Entry
Application
REST
Microservices
Scoring,
Recommendation
s and Predictions
Business
Performance Monitor
JSON
or 3FN
JSON
SQL
OKE ORDS
Oracle ML:
Built-in
notebook
Data
Scientist
Application
Developer
Application
User
Business
Owner
Any other
programing
language
Autonomous
Database
Load
Balancer
API/Service
Scale
Up/Down

26. Thank you!
Borja Gómez
borja.gomez@oracle.com
Confidential – © 2019 Oracle Internal/Restricted/Highly Restricted26