聯繫我們
 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

即將到來的課程

課程分類