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。
課程簡介
AI 觀測性全景
- 從儀表板到對話:向 AI 增強型觀測性的轉變
- 與觀測性相關的 LLM 能力:摘要、推理、模式匹配
- 架構模式:將 AI 集成到現有觀測性技術棧中
自然語言遙測查詢
- Text-to-PromQL:將自然語言轉換爲監控查詢
- 針對 Elasticsearch、OpenSearch 和 Loki 日誌存儲的 NL 查詢
- 從自然語言生成結構化遙測數據的 SQL 語句
- 構建具備工具使用能力和上下文感知能力的查詢助手代理
基於 LLM 的日誌分析
- 利用 LLM 進行自動日誌解析和結構化
- 使用嵌入相似度在日誌流中進行異常檢測
- 大規模日誌聚類和模式發現
- 從原始日誌序列生成人類可讀的解釋
智能告警與事件豐富
- 基於語義理解的告警關聯與去重
- 從運行手冊、過往事件和文檔中自動收集事件上下文
- 基於內容理解和團隊專業知識進行智能告警路由
- 通過 AI 驅動噪聲減少降低告警疲勞
AI 輔助的根本原因分析
- 從多源遙測關聯中生成假設
- 證據鏈:連接跨指標、日誌和跟蹤的症狀
- 通過交互式 AI 診斷會話進行引導式故障排除
- 構建具備漸進式調查功能的根本原因分析代理
自動事件響應與溝通
- 從遙測數據生成事件摘要和狀態更新
- 通過時間線重建自動生成事後報告草稿
- 針對技術和管理受衆定製利益相關者溝通
- 運行手冊建議及自動修復推薦
觀測性中的機器學習
- 用於容量規劃和異常預測的時間序列預測
- 用於指標零樣本異常檢測的基礎模型
- 基於嵌入的服務依賴映射和拓撲發現
- 在觀測性流水線旁訓練和部署輕量級 ML 模型
生產部署與倫理
- 即時 AI 觀測性的延遲與成本考量
- 數據隱私:確保 LLM 不泄露敏感遙測數據
- 人工監督:何時需要操作員驗證 AI 診斷結果
- 衡量影響:平均檢測時間 (MTTD)、平均修復時間 (MTTR) 及值班體驗指標
最低要求
- 具備 Prometheus、Grafana、Datadog 或 OpenTelemetry 等觀測性工具的使用經驗。
- 熟悉日誌管理和指標概念。
- 具備用於數據處理的基礎 Python 腳本編寫能力。
受衆
- 採用 AI 增強型工具的 SRE 和觀測性工程師。
- 構建下一代監控流水線的平臺工程師。
- 評估將 LLM 集成到事件工作流中的 DevOps 負責人。
14 小時