Kontaktirajte nas
 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

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije