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
Introducere în AIOps cu instrumente Open Source
- Prezentare generală a conceptelor și beneficiilor AIOps
- Prometheus și Grafana în stack-ul de observabilitate
- Unde se integrează ML în AIOps: analitică predictivă vs. reactivă
Setarea Prometheus și Grafana
- Installarea și configurarea Prometheus pentru colectarea datelor de time series
- Crearea de dashboard-uri în Grafana utilizând metrici în timp real
- Explorarea exporters, relabeling și service discovery
Preprocesarea datelor pentru ML
- Extragerea și transformarea metrilor din Prometheus
- Pregătirea seturilor de date pentru detectarea anomaliilor și predicții
- Utilizarea transformărilor din Grafana sau pipeline-urilor în Python
Aplicarea Machine Learning pentru detectarea anomaliilor
- Modele de bază de ML pentru detectarea outlier-urilor (ex: Isolation Forest, One-Class SVM)
- Învățarea și evaluarea modelelor pe date de time series
- Vizualizarea anomaliilor în dashboard-urile Grafana
Predictia metrilor cu ML
- Construirea de modele simple de predicție (ARIMA, Prophet, introducere în LSTM)
- Predictia încărcării sistemului sau a utilizării resurselor
- Utilizarea predicțiilor pentru alertare timpurie și decizii de scaling
Integrarea ML cu alertarea și automatizarea
- Definirea regulilor de alertă bazate pe output-ul ML sau praguri
- Utilizarea Alertmanager și routing-ul notificărilor
- Trigger-ul scripturilor sau a workflow-urilor de automatizare la detectarea anomaliilor
Scalarea și operaționalizarea AIOps
- Integrarea instrumentelor externe de observabilitate (ex: stack-ul ELK, Moogsoft, Dynatrace)
- Operaționalizarea modelelor de ML în pipeline-urile de observabilitate
- Bune practici pentru AIOps la scară mare
Rezumat și pași următori
Cerințe
- Înțelegerea conceptelor de monitorare a sistemelor și observabilitate
- Experiență în utilizarea Grafana sau Prometheus
- Familiarizare cu Python și cu principiile de bază ale machine learning-ului
Public țintă
- Engineeri de observabilitate
- Echipe de infrastructură și DevOps
- Arhitecți de platforme de monitoring și Site Reliability Engineers (SRE)