感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
設計開放式 AIOps 架構
- 開放式 AIOps 管線中關鍵元件概覽
- 從數據攝取到警報的數據流
- 工具比較與集成策略
數據收集與匯聚
- 使用 Prometheus 攝取時間序列數據
- 使用 Logstash 和 Beats 捕獲日誌
- 對數據進行正規化以實現跨源關聯
構建可觀察性儀表板
- 使用 Grafana 視覺化指標
- 構建 Kibana 儀表板以進行日誌分析
- 使用 Elasticsearch 查詢提取運營洞察
異常檢測與事故預測
- 將可觀察性數據導出至 Python 管線
- 訓練機器學習模型以進行離群值檢測與預測
- 部署模型以在可觀察性管線中進行實時推理
使用開源工具實現警報與自動化
- 創建 Prometheus 警報規則及 Alertmanager 路由
- 觸發腳本或 API 工作流以實現自動響應
- 使用開源編排工具(例如 Ansible、Rundeck)
集成與擴展性考慮
- 處理高吞吐量攝取及長期存儲
- 開源技術棧中的安全性與訪問控制
- 獨立擴展各層級:攝取、處理、警報
實際應用與擴展
- 案例研究:性能調優、防止停機及成本優化
- 通過追蹤工具或服務圖擴展管線
- 在生產環境中運行及維護 AIOps 的最佳實踐
總結與下一步
最低要求
- 具備使用 Prometheus 或 ELK 等可觀察性工具的經驗
- 具備 Python 及機器學習基礎知識的實際操作能力
- 了解 IT 運維及警報工作流
受眾對象
- 高級網站可靠性工程師(SRE)
- 從事運維工作的數據工程師
- DevOps 平台負責人及基礎架構架構師