Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere în AIOps cu instrumente open source
- Prezentare generală a conceptelor și beneficiilor ale lui AIOps
- Prometheus și Grafana în stiva observabilității
- Unde se potrivesc ML-urile în AIOps: analitici predictive vs. reactive
Configurarea lui Prometheus și Grafana
- Instalarea și configurarea lui Prometheus pentru colectarea seriei temporale
- Crearea de panouri instrumentale în Grafana folosind metricele în timp real
- Explorarea exportatorilor, relabelării și a descoperirii serviciului
Preprocesarea datelor pentru ML
- Extrage și transformă metricele Prometheus
- Pregătirea seturilor de date pentru detectarea anomalilor și previziunile
- Utilizarea transformărilor lui Grafana sau conductelor Python
Aplicare a lui Machine Learning pentru detectarea anomaliilor
- Modele ML de bază pentru detectarea valorilor atipice (de exemplu, Izolație Forest, SVM clasa unică)
- Antrenarea și evaluarea modelului pe date seriale temporale
- Vizualizarea anomalilor în panourile instrumentale Grafana
Metrice Forecasting cu ML
- Construirea unor modele simple de previziuni (ARIMA, Prophet, introducere LSTM)
- Previzualizarea sarcinii sistemului sau a utilizării resurselor
- Utilizarea previziunilor pentru alerte timpurii și decizii de scalare
Integrarea ML cu alerta și automatizare
- Definirea regulilor de alertă bazate pe iesirea ML sau praguri
- Utilizarea Alertmanager și rutelor de notificare
- Deselegeri de scripte sau fluxuri de automatizare la detectarea anomaliei
Scalare și operativilizare a lui AIOps
- Integrarea unor instrumente observabile externe (de exemplu, stiva ELK, Moogsoft, Dynatrace)
- Operativilizarea modelelor ML în conductele observabilității
- Cele mai bune practici pentru AIOps la scară largă
Rezumat și următoarele pași
Cerințe
- Oprit înțelegerea conceptelor de monitorizare și observabilitate a sistemului
- Experiență cu Grafana sau Prometheus
- Cunoașterea instrumentelor Python și principiilor fundamentale ale învățării automatizate
Public țintă
- Inginerii de observabilitate
- Echipele infrastructurii și DevOps
- Arhitecții platformelor de monitorizare și inginerii de ușurare a siguranței site-ului (SRE)
14 ore
