Intrati in legatura
 Durata 14 ore

Schița de curs

Introducere în AIOps cu instrumente open source

  • Prezentarea conceptelor și beneficiilor AIOps
  • Prometheus și Grafana în stack-ul de observabilitate
  • Unde se încadrează ML în AIOps: analitică predicțivă vs. reactivă

Configurarea Prometheus și Grafana

  • Instalarea și configurarea Prometheus pentru colectarea seriilor temporale
  • Crearea de dashboard-uri în Grafana folosind metrici în timp real
  • Explorarea exporter-elor, relabeling-ului și service discovery-ului

Pregătirea datelor pentru ML

  • Extragerea și transformarea metricilor din Prometheus
  • Pregătirea seturilor de date pentru detectarea anomaliilor și predicții
  • Utilizarea transformărilor din Grafana sau a pipeline-urilor în Python

Aplicarea machine learning pentru detectarea anomaliilor

  • Modele de bază de ML pentru detectarea outlier-elor (ex. Isolation Forest, One-Class SVM)
  • Antrenarea și evaluarea modelelor pe date de serie temporală
  • Vizualizarea anomaliilor în dashboard-urile Grafana

Predicerea metricilor cu ML

  • Construirea de modele simple de predicție (ARIMA, Prophet, introducere în LSTM)
  • Predicerea încărcării sistemului sau 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 pe praguri
  • Utilizarea Alertmanager și a rutării notificărilor
  • Declanșarea script-urilor 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-uri de observabilitate
  • Practici recomandate pentru AIOps la scară largă

Rezumat și pași următori

Cerințe

  • Înțelegerea conceptelor de monitorare și observabilitate a sistemelor
  • Experiență în utilizarea Grafana sau Prometheus
  • Familiaritate cu Python și principii de bază ale machine learning-ului

Public țintă

  • Engineers în observabilitate
  • Echipe de infrastructură și DevOps
  • Arhitecți de platforme de monitoring și Site Reliability Engineers (SRE)

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite