GitLab 15: DevOps für alle – auch für Data-Science-Teams

Inhaltsverzeichnis

Mit Veröffentlichung des Major Release 15 will die Versionsverwaltungsplattform GitLab ihrem eigenen Anspruch gerecht werden, The One DevOps Platform zu sein. GitLab 15.0 liefert dazu eine Reihe neuer Funktionen für wichtige Aspekte wie Security und Compliance, aber auch Observability, agiles Planen und Workflow Automation. Darüber hinaus sollen Data Scientists die passenden Werkzeuge für die Arbeit mit ihren Machine-Learning-Modellen an die Hand bekommen.

Team- und bereichsübergreifende DevOps-Plattform

Laut einer von GitLab in der Ankündigung zitierten Bain-Studie von 2021 messen 90 Prozent der darin befragten Unternehmen DevOps-Praktiken höchste Priorität bei – allerdings sind erst 12 Prozent davon überzeugt, diese auch schon vollständig umzusetzen. Als Ursache dafür gelten die zum Teil aufwendig zu verwaltenden und häufig nur auf einzelne Aspekte ausgerichteten DevOps-Tools. Dem möchte GitLab eine einheitliche Plattform entgegenstellen, die sich team- und bereichsübergreifend für alle wichtigen DevOps-Praktiken nutzen lässt.

Die Software Supply Chain (Security) im Blick

Den Ausbau der Plattform setzt GitLab mit Version 15.0 nun konsequent fort. Im Release 14.10 waren zuletzt bereits ein GitLab Runner Operator für Kubernetes sowie aufschlussreichere Übersichten zu etwaigen Compliance-Verstößen von Merge Requests hinzugekommen. Nun widmet sich das GitLab-Team gezielt dem Themenkomplex Software Supply Chain Security, um Unternehmen in die Lage zu versetzen, Schwachstellen früher zu erkennen, sich gegen neue Angriffsvektoren zu rüsten und Compliance-Anforderungen über den kompletten Entwicklungszyklus hinweg sicherstellen zu können. Dazu beherrscht GitLab 15 unter anderem das automatisierte Erstellen von Software Bill of Materials (SBOM) sowie erweiterte Security-Techniken für das statische (SAST) und dynamische (DAST) Testen der Applikationssicherheit. Die Plattform vertraut dabei allerdings primär auf die hauseigene (proprietäre) SAST-Engine und den eigenen DAST Analyzer, die laut GitLab-Ankündigung mehr Flexibilität und Tempo bei der Bearbeitung der Testergebnisse liefern sollen als vergleichbare Open-Source-Tools.

Zentral in die Versionsverwaltungsplattform integrierte Observability-Funktionen sollen einerseits dazu beitragen, Silos in den Team- und Organisationsstrukturen der Unternehmen aufzulösen, und darüber hinaus kürzere und häufigere Deploymentzyklen zu ermöglichen – unter anderem durch reduzierte Fehlerhäufigkeit sowie rascheres Wiederherstellen nach einem Vorfall. Um den Teams aussagekräftige Einblicke in die DevOps-Prozesse zu verschaffen, nutzt GitLab 15 nun sämtliche Metriken der DevOps-Research-and-Assessment (DORA)-Gruppe, an denen sich die Plattform bereits seit Version 14 orientiert hatte.

DataOps und MLOps für Daten-Teams

Während GitLab selbst auf Machine Learning (ML) zurückgreift, um Unternehmen auf Basis agiler Frameworks bei der Business-Planung und der Workflow Automation gezielter zu unterstützen, finden Data Scientists im neuen Release Funktionen, die bei der Arbeit mit ML-Modellen helfen. Mit MLOps stellt die Plattform nun einen passenden Rahmen für das Entwickeln, Trainieren, Testen und Bereitstellen von ML-Modellen zur Verfügung. Data-Science-Teams können darüber hinaus DataOps-Praktiken nutzen, um ETL-Prozesse (Extract, Load, Transform) durchzuführen und ihre Daten in die Pipelines von GitLab einzubinden.

GitLab 15.0 steht ab sofort zur Verfügung. Umfassendere Informationen zu sämtlichen Neuerungen im Detail liefern die Release Notes. Ein Ausblick auf die als nächste geplanten Versionen findet sich auf der GitLab-Homepage.

(map)