Kom i kontakt
 Varaktighet 14 timmar

Kursplan

Att designa en öppen AIOps-arkitektur

  • Översikt över nyckelkomponenter i öppna AIOps-pipelines
  • Dataflöde från insamling till avisering
  • Verktygsjämförelse och integrationsstrategi

Datasamling och aggregering

  • Insamling av tidsseriedata med Prometheus
  • Loggupptäckning med Logstash och Beats
  • Normalisering av data för korrelation över källor

Att bygga observability-dashboards

  • Visualisering av metrik med Grafana
  • Skapa Kibana-dashboards för logganalys
  • Använda Elasticsearch-frågor för att extrahera driftinsikter

Anomaliupptäckt och incidentförutsägelse

  • Exportera observability-data till Python-pipelines
  • Träna ML-modeller för utbrottsdetektering och förutsägelse
  • Distribuera modeller för live-inferens i observability-pipelinen

Avisering och automatisering med öppna verktyg

  • Skapa Prometheus-aviseringsregler och Alertmanager-ruttering
  • Aktivera skript eller API-flöden för automatisk åtgärd
  • Använda orkestreringsverktyg med öppen källkod (t.ex. Ansible, Rundeck)

Integrering och skalbarhet

  • Hantera högvolymssamling och långtidslagring
  • Säkerhet och åtkomstkontroll i stäcker med öppen källkod
  • Skalning av varje lager oberoende: insamling, bearbetning, avisering

Verkliga tillämpningar och utökningar

  • Kasusstudier: prestandaoptimering, undvikande av driftstörningar och kostnadsoptimering
  • Utöka pipelines med tracing-verktyg eller tjänstegraf
  • Bästa praxis för drift och underhåll av AIOps i produktion

Sammanfattning och nästa steg

Krav

  • Erfarenhet av observability-verktyg såsom Prometheus eller ELK
  • Arbetskunskap i Python och grundläggande maskininlärning
  • Grundläggande förståelse för IT-drift och aviseringsflöden

Målgrupp

  • Erfarna Site Reliability Engineers (SRE:er)
  • Dataingenjörer inom drift
  • DevOps-plattformssamordnare och infrastrukturarkitekter

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier