AIOps基礎：監控、關聯與智能警報培訓

AIOps簡介

• 什麼是AIOps及其重要性
• 傳統監控與AIOps驅動的可觀測性
• AIOps架構與關鍵元件

收集與正規化運營數據

• 可觀測性數據類型：指標、日誌與追蹤
• 從多個來源（伺服器、容器、雲端）攝取數據
• 使用代理程式與匯出器（Prometheus、Beats、Fluentd）

數據關聯與異常偵測

• 時間序列關聯與統計方法
• 使用機器學習模型進行異常偵測
• 偵測分散式系統中的事件

警報與噪音降低

• 設計智能警報規則與閾值
• 抑制、去重複與警報分組
• 整合Alertmanager、Slack、PagerDuty或Opsgenie

根本原因分析與視覺化

• 使用儀表板視覺化指標並偵測趨勢
• 探索事件與時間軸以進行RCA
• 使用分散式追蹤工具跨層級追蹤問題

自動化與修復

• 從事件觸發自動化腳本或工作流程
• 整合ITSM系統（ServiceNow、Jira）
• 使用案例：自我修復、擴展、流量重新路由

開源與商業AIOps平台

• 工具概述：Prometheus、Grafana、ELK、Moogsoft、Dynatrace
• 選擇AIOps平台的評估標準
• 所選堆疊的示範與實作

總結與後續步驟