Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Návrh otevřené AIOps architektury
- Přehled klíčových prvků v open-source AIOps pipeline
- Tok dat od jejich získání až po upozornění
- Porovnání jednotlivých nástrojů a strategie jejich integrace
Sběr a agregace dat
- Získávání časových řad pomocí nástroje Prometheus
- Uchovávání logů prostřednictvím Logstash a Beats
- Normalizace dat pro jejich vzájemné porovnání z různých zdrojů
Vytváření monitorovacích dashboardů
- Zobrazování metrik pomocí Grafany
- Návrh Kibana dashboardů určených k analýze logů
- Využití dotazů Elasticsearch ke zjišťování provozních informací
Detekce anomálií a předvídání problémů
- Export dat z monitorovacích nástrojů do Pythonovských skriptů
- Vytváření strojově učících modelů určených k identifikaci odchylek a předpovídání vývoje
- Nasazování těchto modelů do aktivního využití v rámci celé monitorovací pipeline
Upozornění a automatizace pomocí open-source nástrojů
- Konfigurace pravidel pro upozornění v rámci Prometheusu i jejich směrování přes Alertmanager
- Spouštění skriptů či API požadavků k automatické reakci na problémy
- Využití orchestrátorových nástrojů typu Ansible nebo Rundeck
Integrace a možnosti škálování
- Zvládnutí velkého objemu dat při zachování dlouhodobého ukládání informací
- Bezpečnost a kontrola přístupů v prostředí složeném z open-source řešení
- Nezávislé škálování jednotlivých vrstev pipeline – od sběru dat po generování upozornění
Praktické aplikace a další možnosti rozšíření pipeline
- Příklady využití: optimalizace výkonu, prevence prostojů systémů či snižování nákladů
- Možnosti rozšíření pipeline o další nástroje pro trasování systémů nebo vizualizaci vztahů mezi službami
- Osvědčené postupy pro provoz a údržbu AIOps pipeline v produkčním prostředí
Shrnutí kurzu a další kroky
Požadavky
- Zkušenosti s nástroji určenými k monitorování systémů, jako je Prometheus nebo ELK
- Dobrá znalost programovacího jazyka Python a základů strojového učení
- Přehled o IT provozu a pracovních postupech v oblasti upozornění
Cílová skupina
- Pokročilí inženýři odpovědní za spolehlivost systémů (SRE)
- Datoví inženýři pracující v provozních týmech
- Vedoucí DevOps platforem a architekti infrastruktury
14 Hodiny