Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Å bygge en åpen AIOps-arkitektur
- Oversikt over hovedkomponenter i åpne AIOps-rørledninger
- Dataflyt fra innhenting til varsling
- Sammenligning av verktøy og integrasjonsstrategi
Samling og Aggregering av Data
- Innhenting av tidsserie-data med Prometheus
- Fangst av logger med Logstash og Beats
- Normalisering av data for korrelasjon mellom forskjellige kilder
Å bygge Observabilitetsdashboards
- Visualisering av metrikker med Grafana
- Å bygge Kibana-dashboards for logganalyse
- Å bruke Elasticsearch-spørringer for å ekstrahere operasjonelle innsikter
Anomalioppgjøring og Hendelsesforutseelse
- Eksport av observabilitetsdata til Python-rørledninger
- Opplæring av ML-modeller for uteliggeroppgjøring og forutseelse
- Utplassering av modeller for live-inferens i observabilitetsrørledningen
Varsling og Automatisering med Åpne Verktøy
- Å opprette Prometheus-varselregler og Alertmanager-ruting
- Å utløse skript eller API-arbeidsflyter for automatisk svar
- Å bruke åpne kilder til orkestrasjon (f.eks., Ansible, Rundeck)
Integrasjon og Skalerbarhetsbetingelser
- Å håndtere høyt volum av innhenting og langvarig lagring
- Sikkerhet og tilgangskontroll i åpne kilder
- Å skalere hver lag uavhengig: innhenting, bearbeiding, varsling
Praktiske Anvendelser og Utskrivninger
- Case-studier: ytelsestilpasning, nedetidsprevensjon og kostnadseffektivisering
- Å utvide rørledninger med sporingsverktøy eller tjenestegraf
- Beste praksiser for å kjøre og vedlikeholde AIOps i produksjon
Sammanfattning og Neste Skritt
Krav
- Erfaring med observabilitetstverktøy som Prometheus eller ELK
- Arbeidskunnskap i Python og grunnleggende maskinlæring
- Forståelse av IT-drift og varslingsarbeidsflyter
Målgruppe
- Avanserte site reliability engineers (SREs)
- Data engineers som arbeider i driftsmiljøer
- DevOps plattformledere og infrastrukturarkitekter
14 timer
