聯繫我們
 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

課程分類