Struttura del corso

Fondamenti dei Pipeline Autocorrettivi

  • Concetti chiave della ripresa autonoma
  • Modelli comuni di fallimento in CI/CD
  • Approcci basati su AI per la stabilità dei pipeline

Rilevamento Anomalo in Tempo Reale

  • Comprensione delle fonti di telemetria del pipeline
  • Applicazione del ML per prevedere i fallimenti
  • Rilevamento di modelli anomali con modelli AI

Identificazione degli Incidenti e Analisi delle Cause Radici

  • Classificazione automatica dei tipi di incidenti
  • Correlazione di log, tracce e metriche
  • Utilizzo di segnali AI per isolare le cause radici

Progettazione dei Flussi di Lavoro di Recupero Automatico

  • Definizione di azioni di remediazione automatizzate
  • Attivazione di flussi di lavoro da allarmi basati su AI
  • Integrazione delle procedure operative con motori decisionali intelligenti

Costruzione di Loop di Feedback Intelligenti

  • Cattura di dati storici sui fallimenti
  • Addestramento dei modelli per miglioramenti continui
  • Garanzia dell'apprendimento adattivo nel comportamento del pipeline

Integrazione delle Capacità di Autocorrezione nei CI/CD

  • Incorporazione dell'automazione attraverso le fasi di build e deploy
  • Supporto a piattaforme di consegna ibride e multi-cloud
  • Allineamento con la governance DevOps dell'organizzazione

Pattern Avanzati di Affidabilità

  • Progettazione di pipeline con resilienza predittiva
  • Utilizzo di sistemi decisionali basati su policy
  • Implementazione di strategie di fallback con orchestrazione AI

Implementazione End-to-End del Pipeline Autocorrettivo

  • Combinazione di rilevamento anomalo, analisi delle cause radici e remediazione automatica
  • Validazione della resilienza dei flussi di lavoro completati
  • Garanzia dell'osservabilità e trasparenza per gli ingegneri

Riepilogo e Passaggi Successivi

Requisiti

  • Comprensione dei processi CI/CD
  • Esperienza con pratiche DevOps o SRE
  • Conoscenza di strumenti di monitoraggio o osservabilità

Audience

  • SREs (Site Reliability Engineers)
  • Responsabili DevOps
  • Ingegneri di affidabilità della piattaforma
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative