Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
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