Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Progettazione di un’architettura AIOps open source
- Panoramica sui componenti principali delle pipeline AIOps open source
- Flusso dei dati dall’acquisizione fino all’invio di avvisi
- Confronto tra gli strumenti disponibili e strategie di integrazione
Raccolta e aggregazione dei dati
- Acquisizione di dati temporali tramite Prometheus
- Registrazione dei log mediante Logstash e Beats
- Normalizzazione dei dati per permetterne l’analisi incrociata da più fonti
Creazione di dashboard per la visibilità operativa
- Visualizzazione delle metriche con Grafana
- Realizzazione di dashboard Kibana per l’analisi dei log
- Utilizzo delle query Elasticsearch per estrarre informazioni operative significative
Rilevamento delle anomalie e previsione degli incidenti
- Esportazione dei dati di visibilità operativa verso pipeline Python
- Addestramento di modelli ML per l’individuazione degli outlier e la previsione futura
- Distribuzione dei modelli in modo da effettuare inferenze in tempo reale all’interno della pipeline operativa
Invio di avvisi e automazione tramite strumenti open source
- Definizione delle regole di allarme in Prometheus e configurazione del routing con Alertmanager
- Attivazione automatica di script o flussi API per una risposta tempestiva
- Utilizzo di strumenti di orchestrazione open source, ad esempio Ansible e Rundeck
Considerazioni sull’integrazione e sulla scalabilità
- Gestione di un volume elevato di dati e della loro conservazione a lungo termine
- Sicurezza e controllo degli accessi nei sistemi basati su open source
- Possibilità di scalare ciascun livello separatamente: acquisizione, elaborazione e invio di avvisi
Applicazioni reali ed eventuali estensioni della pipeline
- Studi di caso: ottimizzazione delle prestazioni, prevenzione dei downtime e riduzione dei costi operativi
- Possibilità di integrare ulteriori strumenti per il tracciamento o la mappatura dei servizi
- Buone pratiche per l’esecuzione e la manutenzione della pipeline AIOps in produzione
Sintesi e prossimi passi
Requisiti
- Esperienza nell’utilizzo di strumenti di visibilità operativa come Prometheus o ELK
- Conoscenza pratica del linguaggio Python e dei principi fondamentali dell’apprendimento automatico
- Comprensione delle operazioni IT e dei flussi di gestione degli avvisi
Destinatari del corso
- Ingegneri di affidabilità dei sistemi (SRE) di livello avanzato
- Ingegneri dei dati impegnati in contesti operativi
- Responsabili delle piattaforme DevOps e architetti di infrastruttura
14 ore