Курс за обучение по AIOps в действие: Прогнозиране на инциденти и автоматизация на анализа на първопричините

Въведение в прогнозния AIOps

• Преглед на прогнозните анализи в ИТ операциите
• Източници на данни за прогнозиране (логове, метрики, събития)
• Ключови концепции в прогнозирането на времеви редове и модели на аномалии

Проектиране на модели за прогнозиране на инциденти

• Етикетиране на исторически инциденти и системно поведение
• Избор и обучение на модели (напр. LSTM, Random Forest, AutoML)
• Оценка на производителността на модела и управление на фалшивите положителни резултати

Събиране на данни и инженеринг на характеристики

• Поглъщане и подравняване на данни от логове и метрики за вход на модела
• Извличане на характеристики от структурирани и неструктурирани данни
• Справяне с шум и липсващи данни в оперативните конвейери

Автоматизиране на анализа на първопричините (RCA)

• Корелация на услуги и инфраструктура на базата на графи
• Използване на ML за извеждане на вероятни първопричини от вериги от събития
• Визуализиране на RCA с топологично ориентирани табла

Отстраняване на проблеми и автоматизация на работни потоци

• Интеграция с платформи за автоматизация (напр. Ansible, Rundeck)
• Задействане на откати, рестартирания или пренасочване на трафик
• Одит и документиране на автоматизираните интервенции

Мащабиране на интелигентни AIOps конвейери

• MLOps за наблюдаемост: преобучение и версиониране на модели
• Изпълнение на прогнози в реално време върху разпределени възли
• Най-добри практики за внедряване на AIOps в производствени среди

Казуси и практически приложения

• Анализиране на реални данни за инциденти с помощта на прогнозни AIOps модели
• Внедряване на RCA конвейери със синтетични и производствени данни
• Преглед на индустриални случаи на употреба: облачни прекъсвания, нестабилност на микросървиси, деградации на мрежата

Обобщение и следващи стъпки