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
Introduktion till AIOps med open source-verktyg
- Översikt över AIOps-koncept och fördelar
- Prometheus och Grafana i observabilitetsstacken
- Var ML passar i AIOps: prediktiv vs. reaktiv analys
Inställning av Prometheus och Grafana
- Installation och konfiguration av Prometheus för insamling av tidsseriedata
- Skapande av dashboards i Grafana med hjälp av realtidsmetriker
- Utforskning av exporters, relabeling och tjänsteupptäckt
Dataförberedelse för ML
- Extrahering och transformation av Prometheus-metriker
- Förberedelse av datasets för anomaliupptäckt och prognos
- Användning av Grafanas transformationer eller Python-pipelines
Tillämpning av maskininlärning för anomaliupptäckt
- Grundläggande ML-modeller för outlier-upptäckt (t.ex. Isolation Forest, One-Class SVM)
- Träning och utvärdering av modeller på tidsseriedata
- Visualisering av anomalier i Grafana-dashboards
Prognos av metrier med ML
- Skapande av enkla prognosmodeller (ARIMA, Prophet, LSTM-introduktion)
- Prediktion av systemlast eller resursanvändning
- Användning av prediktioner för tidiga alertningar och skalningsbeslut
Integrering av ML med alertning och automation
- Definition av alertregler baserade på ML-utmatning eller tröskelvärden
- Användning av Alertmanager och notifieringsruttning
- Utlösning av skript eller automation-flöden vid anomaliupptäckt
Skalning och operationalisering av AIOps
- Integrering av externa observabilitetsverktyg (t.ex. ELK-stack, Moogsoft, Dynatrace)
- Operationalisering av ML-modeller i observabilitetspipelines
- Bästa praxis för AIOps i stor skala
Sammanfattning och nästa steg
Krav
- En förståelse för systemövervakning och observabilitetskoncept
- Erfarenhet av att använda Grafana eller Prometheus
- Vanlig med Python och grundläggande principer för maskininlärning
Målgrupp
- Observabilitetsingenjörer
- Infrastruktur- och DevOps-team
- Arkitekter för övervakningsplattformar och site reliability engineers (SRE:er)