Contattataci

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

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative