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

人數


每位參與者的報價

即將到來的課程

課程分類