Kursplan

Designing an Open AIOps Architecture

  • Oversikt over hovedkomponentene i åpne AIOps-pipeliner
  • Dataflyt fra innhenting til varsling
  • Værktøy sammenligning og integrasjonsstrategi

Innsamling og aggregering av data

  • Innlegging av tidsserie-data med Prometheus
  • Innfanging av logger med Logstash og Beats
  • Normalisering av data for kilderelatert korrelasjon

Bygging av observabilitetsdashboards

  • Visualisering av målestokker med Grafana
  • Bygging av Kibana-dashboards for logganalyse
  • Bruk av Elasticsearch-forespørsler for å trekke ut operasjonsinnsikt

Anomalioppdagelse og hendelsesforutseelse

  • Eksport av observabilitetsdata til Python-pipeliner
  • Trening av ML-modeller for utliggende oppdagelse og forutseelse
  • Utplassering av modeller for levende inferens i observabilitetspipelinen

Varsling og automatisering med åpne verktøy

  • Opprettelse av Prometheus-varselregler og Alertmanager-routing
  • Utløsing av skript eller API-arbeidsflyt for automatisk respons
  • Bruk av åpne kildekode-orchestrasjonsverktøy (f.eks., Ansible, Rundeck)

Integrasjons- og skaleringsoverveielser

  • Håndtering av høyt volum innhenting og langtidslagring
  • Sikkerhet og tilgangskontroll i åpne kildekode-stakker
  • Skalering av hver lag uavhengig: innhenting, behandling, varsling

Praktiske anvendelser og utvidelser

  • Case studies: ytelsesjustering, unntak av nedetid, og kostnadseffektivisering
  • Utvidelse av pipeliner med sporingsverktøy eller tjenestegrunnplanter
  • Best practices for drift og vedlikehold av AIOps i produksjon

Oppsummering og neste trinn

Krav

Erfaring med observability-verktøy som Prometheus eller ELKArbeidskunnskap om Python og grunnleggende maskinlæringsprinsipperForståelse av IT-operasjoner og varslingsarbeidsflyt---MålgruppeAvanserte site reliability engineers (SREs)Data engineers som arbeider i operasjonerDevOps plattformleder og infrastrukturarkitekter
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories