Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 14 ore
Schița de curs
Proiectarea unei arhitecturi AIOps deschise
- Prezentarea componentelor cheie din pipeline-urile AIOps open source
- Fluxul de date, de la ingestie la alertare
- Comparația instrumentelor și strategia de integrare
Colecția și agregarea datelor
- Ingestarea datelor în serie temporală cu Prometheus
- Capturarea logurilor cu Logstash și Beats
- Normalizarea datelor pentru corelarea între surse
Construirea dashboard-urilor de observabilitate
- Vizualizarea metricelor cu Grafana
- Construirea dashboard-urilor Kibana pentru analize de loguri
- Utilizarea interogărilor Elasticsearch pentru a extrage informații operaționale
Detecția anomaliilor și previzionarea incidentelor
- Exportarea datelor de observabilitate către pipeline-uri Python
- Antrenarea modelelor ML pentru detecția punctelor de ieșire și predicție
- Deploierea modelelor pentru inferență live în pipeline-ul de observabilitate
Alertare și automatizare cu instrumente open source
- Createrea regulilor de alertare Prometheus și routing-ului Alertmanager
- Declanșarea scripturilor sau a fluxurilor API pentru răspuns automat
- Utilizarea instrumentelor open source de orchestrare (ex.: Ansible, Rundeck)
Integrare și considerente de scalabilitate
- Gestionarea ingestiei cu volum mare și a retenției pe termen lung
- Securitatea și controlul accesului în stack-urile open source
- Scalarea independentă a fiecărei straturi: ingestie, procesare, alertare
Aplicații în lumea reală și extensii
- Studii de caz: optimizarea performanței, prevenirea timpiilor morți și optimizarea costurilor
- Extinderea pipeline-urilor cu instrumente de tracing sau grafice de servicii
- Bune practici pentru rulare și mentenanța AIOps în producție
Rezumat și pașii următori
Cerințe
- Experiență cu instrumente de observabilitate, precum Prometheus sau ELK
- Cunoștințe de lucru în Python și fundamentale în machine learning
- Înțelegerea operațiunilor IT și a fluxurilor de lucru pentru alertare
Public țintă
- Ingineri SRE (Site Reliability Engineering) avansați
- Ingineri de date care lucrează în operațiuni
- Conducători de platforme DevOps și arhitecți de infrastructură