Kontakt aufnehmen

Schulungsübersicht

Einführung in AIOps mit Open-Source-Werkzeugen

  • Überblick über die Konzepte und Vorteile von AIOps
  • Prometheus und Grafana im Rahmen der Beobachtbarkeitsstrategie
  • Rolle des maschinellen Lernens in AIOps: prädiktive gegen reaktive Analysemethoden

Einrichtung von Prometheus und Grafana

  • Installation sowie Konfiguration von Prometheus zur Erfassung von Zeitreihendaten
  • Erstellung von Dashboards in Grafana unter Nutzung aktueller Metriken
  • Erläuterung zu Exportern, Relabeling sowie Service Discovery

Vorverarbeitung von Daten für maschinelles Lernen

  • Extrahieren und Umwandeln der von Prometheus bereitgestellten Metriken
  • Vorbereiten von Datensätzen zur Anomalieerkennung sowie Prognosebildung
  • Einsatz von Transformationsfunktionen in Grafana bzw. Python-Algorithmen

Anwendung von maschinellem Lernen zur Erkennung von Abweichungen

  • Grundlegende Modelle für die Ausreißerdetektion, etwa Isolation Forest oder One-Class SVM
  • Trainieren und Bewerten von Modellen anhand von Zeitreihendaten
  • Visualisierung der erkannten Abweichungen in Grafana-Dashboards

Prognosebildung mittels maschinellem Lernen

  • Erstellung einfacher Prognosemodelle wie ARIMA, Prophet oder eine Einführung in LSTM-Algorithmen
  • Vorhersage von Systemlast sowie Ressourcenverbrauch
  • Nutzung dieser Prognosen zur frühzeitigen Alarmierung sowie zur Automatisierung skalierbarer Maßnahmen

Integration von maschinellem Lernen in Alerting und Automatisierung

  • Festlegen von Alarmregeln auf Basis der Ergebnisse des maschinellen Lernens oder fester Schwellenwerte
  • Nutzung von Alertmanager sowie Einrichtung von Benachrichtigungswegen
  • Auslösen von Skripten oder automatisierten Arbeitsabläufen im Falle einer Anomalieerkennung

Skalierung sowie operative Implementierung von AIOps

  • Einbindung externer Beobachtbarkeitstools wie ELK-Stack, Moogsoft oder Dynatrace
  • Operative Etablierung von Modellen des maschinellen Lernens in bestehenden Beobachtbarkeitsprozessen
  • Best Practices für eine skalierbare AIOps-Implementierung

Zusammenfassung sowie nächste Schritte

Voraussetzungen

  • Grundkenntnisse in den Konzepten der Systemüberwachung und Beobachtbarkeit
  • Erfahrung im Umgang mit Grafana oder Prometheus
  • Vertrautheit mit Python sowie grundlegenden Prinzipien des maschinellen Lernens

Zielgruppe

  • Ingenieure für Beobachtbarkeit
  • Infrastruktur- und DevOps-Teams
  • Architekten von Monitoring-Plattformen sowie Site Reliability Engineers (SREs)
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien