AIOps 基礎：監控、關聯性分析與智慧型警報培訓

AIOps 導論

• 什麼是 AIOps 以及它的重要性
• 傳統監控 vs. AIOps 驅動的可觀測性
• AIOps 架構與關鍵組件

收集與標準化運維資料

• 可觀測性資料類型：指標、日誌與追蹤
• 從多個來源（伺服器、容器、雲端）攝入資料
• 使用代理程式與匯出器（Prometheus, Beats, Fluentd）

資料關聯性分析與異常偵測

• 時間序列關聯性分析與統計方法
• 使用機器學習模型進行異常偵測
• 偵測分散式系統中的事件

警報與雜訊減低

• 設計智慧型警報規則與閾值
• 抑制、去重與警報分組
• 整合 Alertmanager, Slack, PagerDuty 或 Opsgenie

根本原因分析與視覺化

• 使用儀表板視覺化指標並偵測趨勢
• 探索事件與時間線以進行根本原因分析 (RCA)
• 使用分散式追蹤工具跨層級追蹤問題

自動化與修復

• 由事件觸發自動化腳本或工作流程
• 整合 ITSM 系統（ServiceNow, Jira）
• 使用案例：自我修復、擴縮容、流量重新導向

開源與商業 AIOps 平台

• 工具概覽：Prometheus, Grafana, ELK, Moogsoft, Dynatrace
• 選擇 AIOps 平台的評估標準
• 選定技術堆疊的演示與實作

總結與下一步