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 管線中主要元件概覽
- 從資料攝取到警報的數據流
- 工具比較與整合策略
數據收集與匯總
- 使用 Prometheus 攝取時序數據
- 使用 Logstash 和 Beats 擷取日誌
- 標準化數據以進行跨來源關聯
建置可觀測性儀表板
- 使用 Grafana 可視化指標
- 建置 Kibana 儀表板進行日誌分析
- 使用 Elasticsearch 查詢提取運作洞察
異常偵測與事件預測
- 將可觀測性數據輸出至 Python 管線
- 訓練 ML 模型進行離群值偵測與預測
- 部署模型於可觀測性管線中進行即時推論
使用開源工具進行警報與自動化
- 建立 Prometheus 警報規則與 Alertmanager 路由
- 觸發腳本或 API 工作流程以進行自動回應
- 使用開源編排工具(例如 Ansible、Rundeck)
整合與擴展性考量
- 處理高吞吐攝取與長期儲存
- 開源堆疊中的安全性與存取控制
- 獨立擴展各層級:攝取、處理、警報
實際應用與擴展
- 案例研究:效能調優、預防停機與成本優化
- 使用追蹤工具或服務圖表擴展管線
- 在生產環境中運行與維護 AIOps 的最佳實踐
摘要與後續步驟
最低要求
- 具有 Prometheus 或 ELK 等可觀測性工具的經驗
- 熟悉 Python 及機器學習基礎知識
- 了解 IT 作業與警報工作流程
受眾
- 高階網站可靠性工程師 (SREs)
- 在作業領域工作的數據工程師
- DevOps 平台主管及基礎設施架構師