感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
設計開放式 AIOps 架構
- 開放式 AIOps 管線中關鍵元件概覽
- 從資料攝取到告警的資料流
- 工具比較與整合策略
資料收集與聚合
- 使用 Prometheus 攝取時間序列數據
- 使用 Logstash 和 Beats 抓取日誌
- 標準化資料以進行跨來源關聯
建構可觀察性儀表板
- 使用 Grafana 可視化指標
- 建立 Kibana 儀表板進行日誌分析
- 使用 Elasticsearch 查詢提取運維洞察
異常偵測與事故預測
- 將可觀察性數據匯出至 Python 管線
- 訓練 ML 模型進行離群值偵測與預測
- 在可觀察性管線中部署模型以進行即時推論
使用開源工具進行告警與自動化
- 建立 Prometheus 告警規則與 Alertmanager 路由
- 觸發腳本或 API 工作流以實現自動回應
- 使用開源編排工具(例如 Ansible、Rundeck)
整合與擴展性考量
- 處理高流量攝取與長期數據保存
- 開源技術棧中的安全性與存取控制
- 獨立擴展各層級:攝取、處理、告警
實際應用與擴展
- 案例研究:效能調整、防止停機與成本優化
- 透過追蹤工具或服務圖擴展管線
- 在生產環境中運行與維護 AIOps 的最佳實踐
總結與下一步
最低要求
- 具備 Prometheus 或 ELK 等可觀察性工具的實作經驗
- 熟練 Python 及具備機器學習基礎知識
- 理解 IT 維運與告警工作流
適用對象
- 高階網站可靠性工程師(SRE)
- 從事維運工作的數據工程師
- DevOps 平台負責人與基礎架構架構師