联系我们
 课程时长 14 小时

课程大纲

设计开放AIOps架构

  • 开放AIOps管道核心组件概览
  • 从数据摄入到告警的数据流
  • 工具对比与集成策略

数据收集与聚合

  • 使用Prometheus摄入时序数据
  • 使用Logstash和Beats捕获日志
  • 标准化数据以实现跨源关联

构建监控仪表板

  • 使用Grafana可视化指标
  • 构建Kibana仪表板进行日志分析
  • 利用Elasticsearch查询提取运维洞察

异常检测与故障预测

  • 将监控数据导出至Python管道
  • 训练机器学习模型以检测异常值并预测趋势
  • 在监控管道中部署模型进行实时推理

使用开源工具实现告警与自动化

  • 创建Prometheus告警规则及Alertmanager路由
  • 触发脚本或API工作流以实现自动响应
  • 使用开源编排工具(如Ansible、Rundeck)

集成与可扩展性考量

  • 处理高负载摄入及长期数据保留
  • 开源技术栈中的安全与访问控制
  • 独立扩展各层:摄入、处理、告警

实际应用与扩展

  • 案例研究:性能调优、停机预防及成本优化
  • 通过追踪工具或服务图谱扩展管道
  • 生产环境中运行和维护AIOps的最佳实践

总结与下一步

要求

  • 熟悉Prometheus或ELK等监控工具
  • 具备Python及机器学习基础知识
  • 了解IT运维及告警流程

目标受众

  • 高级站点可靠性工程师(SRE)
  • 从事运维工作的数据工程师
  • DevOps平台负责人及基础设施架构师

即将举行的公开课程

课程分类