Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Az Open AIOps architektúra tervezése
- Az open AIOps pipeline kulcsfontosságú összetevői
- Az adatfolyam beolvasástól az ébresztésig
- Eszközök összehasonlítása és integrációs stratégia
Adatgyűjtés és összevonás
- Idősorozatos adat beolvasása Prometheus segítségével
- Naplók felvétele Logstash és Beats segítségével
- Adatok normalizálása keresztforrás korrelációra
Observability dashboardek létrehozása
- Mértékek vizualizálása Grafana segítségével
- Kibana dashboardek létrehozása loganalitikai célokra
- Elasticsearch lekérdezések használata működtetési beavatkozások kivonásához
Anomáliafelismerés és incidens előrejelzés
- Observability adatok exportálása Python pipelineokba
- ML modellek kiképzése kifolyó és előrejelzési célokra
- Modellek telepítése élő inferenciára az observability pipelineban
Ébresztés és automatizálás nyílt eszközökkel
- Prometheus ébresztési szabályok és Alertmanager útvonalak létrehozása
- Szkript vagy API folyamatok kiváltása automatikus válasszal
- Nyílt forráskódú orchesztációs eszközök használata (pl. Ansible, Rundeck)
Integrációs és skalálhatósági szempontok
- Nagy mennyiségű beolvasás és hosszú távú tárolás kezelése
- Biztonság és hozzáférési ellenőrzés nyílt forráskódú stackökben
- A rétegek független skalálása: beolvasás, feldolgozás, ébresztés
Valós alkalmazások és bővítések
- Események: teljesítményoptimalizálás, leállásmegelőzés és költségoptimalizálás
- Pipelineok bővítése nyomkövető eszközökkel vagy szolgáltatás graffal
- Legjobb gyakorlatok az AIOps üzemeltetéséhez és karbantartásához a gyártásban
Összefoglalás és következő lépések
Követelmények
- A Prometheus vagy ELK típusú megfigyelhetőségi eszközök használatának tapasztalata
- Python és gépes tanulás alapelvek ismerete
- IT műveletek és értesítési folyamatok megértése
Célközönség
- Haladó hibaellenőrzési mérnökök (SRE)
- Műveleti feladatokkal foglalkozó adatmérnökök
- DevOps platform vezetői és infrastruktúra architekták
14 Órák