Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
Trajanje 14 sati
Sadržaj kursa
Dizajn otvorene AIOps arhitekture
- Pregled ključnih komponenti u otvorenim AIOps cevima
- Protok podataka od unosnih procesa do upozoravanja
- Poređenje alata i strategija integracije
Prikupljanje i agregacija podataka
- Uvoz vremenskih serija podataka uz Prometheus
- Zabeleženje logova uz Logstash i Beats
- Normalizacija podataka za korelaciju između izvora
Izgradnja dasborda za posmatranje
- Vizualizacija metrika uz Grafana
- Izgradnja Kibana dasborda za analizu logova
- Korišćenje Elasticsearch upita za izvlačenje operativnih uvida
Detekcija anomalija i predviđanje incidenata
- Izvoz podataka za posmatranje u Python pipeline
- Obuka ML modela za detekciju odstupanja i prognozu
- Implementacija modela za uživo inferencu u cev posmatranja
Upozoravanje i automatizacija uz otvorene alate
- Kreiranje pravila za upozoravanje u Prometheus-u i rutiranje putem Alertmanager-a
- Pokretanje skripti ili API tokova za automatski odgovor
- Korišćenje open-source orkestracionih alata (npr. Ansible, Rundeck)
Integracija i razmatranja skalabilnosti
- Obrada velikog volumena unosa i dugoročno zadržavanje
- Bezbednost i kontrola pristupa u open-source stekovima
- Skaliranje svakog sloja nezavisno: unos, proces, upozoravanje
Primene iz stvarnog sveta i proširenja
- Studije slučaja: podešavanje performansi, sprečavanje prekiditka i optimizacija troškova
- Proširenje cevi uz alate za praćenje ili grafove servisa
- Najbolje prakse za pokretanje i održavanje AIOps-a u produkciji
Sažetak i sledeći koraci
Uslovi
- Iscenost sa alatima za posmatranje, kao što su Prometheus ili ELK
- Radno znanje iz Pythona i osnova mašinskog učenja
- Razumevanje IT operacija i tokova upozoravanja
Publika
- Napredni inženjeri pouzdane usluge (SRE)
- Inženjeri podataka koji rade u operacijama
- Rukovodioci DevOps platformi i arhitekte infrastrukture