AIOps-Grundlagen: Überwachung, Korrelation und intelligente Alarmierung Schulung

Einführung in AIOps

• Was ist AIOps und warum ist es wichtig?
• Traditionelles Monitoring im Vergleich zur AIOps-gestützten Observability
• AIOps-Architektur und Kernkomponenten

Erfassung und Normalisierung von Betriebsdaten

• Arten von Observability-Daten: Metriken, Logs und Traces
• Erfassung von Daten aus verschiedenen Quellen (Server, Container, Cloud)
• Verwendung von Agents und Exportern (Prometheus, Beats, Fluentd)

Datekorrelation und Anomalie-Erkennung

• Zeitreihenkorrelation und statistische Methoden
• Einsatz von ML-Modellen zur Anomalie-Erkennung
• Erkennung von Incidents in verteilten Systemen

Alarmierung und Reduzierung von Rauschen

• Gestaltung intelligenter Alarmregeln und Schwellenwerte
• Unterdrückung, Deduplizierung und Gruppierung von Alarmen
• Integration mit Alertmanager, Slack, PagerDuty oder Opsgenie

Root Cause Analysis und Visualisierung

• Verwendung von Dashboards zur Visualisierung von Metriken und zur Trendidentifikation
• Analyse von Ereignissen und Zeitachsen für die RCA (Root Cause Analysis)
• Verfolgung von Problemen über Schichten hinweg mit Tools für verteilte Tracing-Analyse

Automatisierung und Behebung

• Auslösen automatisierter Skripte oder Workflows aus Incidents
• Integration mit ITSM-Systemen (ServiceNow, Jira)
• Anwendungsfälle: Selbstheilung, Skalierung, Umleitung des Datenverkehrs

Open-Source- und kommerzielle AIOps-Plattformen

• Überblick über Tools: Prometheus, Grafana, ELK, Moogsoft, Dynatrace
• Bewertungskriterien für die Auswahl einer AIOps-Plattform
• Demonstration und Praxis mit einem ausgewählten Stack

Zusammenfassung und nächste Schritte