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 open
- Prezentarea componentelor cheie în pipeline-urile AIOps open source
- Fluxul datelor de la ingestie la alertare
- Comparația instrumentelor și strategia de integrare
Colectarea și agregarea datelor
- Ingestia datelor de tip time-series cu Prometheus
- Capturarea log-urilor cu Logstash și Beats
- Normalizarea datelor pentru corelarea între surse multiple
Construirea de dashboard-uri de observabilitate
- Vizualizarea metricilor cu Grafana
- Construirea dashboard-urilor Kibana pentru analize de log-uri
- Folosirea interogărilor Elasticsearch pentru extragerea de insight-uri operaționale
Detectarea anomaliilor și prognozarea incidentelor
- Exportarea datelor de observabilitate în pipeline-uri Python
- Antrenarea modelelor ML pentru detecția outlier-ilor și prognoze
- Implementarea modelelor pentru inferență live în pipeline-ul de observabilitate
Alertarea și automatizarea cu instrumente open source
- Crearea regulilor de alertare Prometheus și rutarea Alertmanager
- Declanșarea de scripturi sau workflow-uri API pentru răspuns automat
- Utilizarea instrumentelor de orchestrare open source (ex: Ansible, Rundeck)
Considerații privind integrarea și scalabilitatea
- Gestionarea ingestiei de 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 downtime-ului și optimizarea costurilor
- Extinderea pipeline-urilor cu instrumente de tracing sau grafice de servicii
- Bune practici pentru rularea și mentenanta AIOps în producție
Rezumat și pași următori
Cerințe
- Experiență cu instrumente de observabilitate, cum ar fi Prometheus sau ELK
- Cunoștințe practice de Python și fundamente de machine learning
- Înțelegerea operațiunilor IT și a fluxurilor de alertare
Public-țintă
- Ingineri SRE avansați
- Ingineri de date care lucrează în operațiuni
- Lead-uri DevOps, arhitecți de platformă și arhitecți de infrastructură