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.
Durata 14 ore
Struttura del corso
Progettazione di un'Architettura AIOps Open Source
- Panoramica dei componenti chiave nei pipeline AIOps open source
- Flusso dei dati dalla ricezione all'allertamento
- Confronto degli strumenti e strategia di integrazione
Raccolta e Aggregazione dei Dati
- Ricezione di dati in serie temporali con Prometheus
- Cattura dei log con Logstash e Beats
- Normalizzazione dei dati per la correlazione tra diverse fonti
Creazione di Dashboard di Osservabilità
- Visualizzazione delle metriche con Grafana
- Creazione di dashboard Kibana per l'analisi dei log
- Utilizzo delle query Elasticsearch per estrarre insight operativi
Rilevamento delle Anomalie e Previsione degli Incidenti
- Esportazione dei dati di osservabilità in pipeline Python
- Addestramento di modelli ML per il rilevamento dei valori anomali e le previsioni
- Distribuzione dei modelli per l'inferenza live nel pipeline di osservabilità
Allertamento e Automazione con Strumenti Open Source
- Creazione di regole di allarme Prometheus e routing di Alertmanager
- Attivazione di script o flussi di lavoro API per la risposta automatica
- Utilizzo di strumenti di orchestrazione open source (es. Ansible, Rundeck)
Integrazione e Considerazioni sulla Scaloabilità
- Gestione dell'ingestione ad alto volume e della ritenzione a lungo termine
- Sicurezza e controllo degli accessi negli stack open source
- Scalabilità di ogni livello in modo indipendente: ingester, elaborazione, allertamento
Applicazioni in Mondo Reale ed Estensioni
- Casi di studio: ottimizzazione delle prestazioni, prevenzione dei tempi di inattività e ottimizzazione dei costi
- Estensione dei pipeline con strumenti di tracing o graph di servizi
- Best practice per l'esecuzione e la manutenzione di AIOps in produzione
Riepilogo e Prossimi Passi
Requisiti
- Esperienza con strumenti di osservabilità come Prometheus o ELK
- Conoscenza pratica di Python e dei fondamenti del machine learning
- Comprensione delle operazioni IT e dei flussi di lavoro di allertamento
Pubblico
- Ingegneri di affidabilità dei siti (SRE) di livello avanzato
- Ingegneri dei dati che operano in ambito operations
- Responsabili delle piattaforme DevOps e architetti delle infrastrutture