お問い合わせ

コース概要

オープンソースを活用したAIOpsアーキテクチャの設計

  • ​オープンソース型AIOpsパイプラインの主要構成要素の概要
  • データの収集からアラート発報までの流れ
  • 各ツールの比較および統合戦略の検討

データの収集と集約処理

  • Prometheusを用いた時系列データの取り込み方法
  • LogstashやBeatsによるログ情報の取得手法
  • 複数ソースから得られたデータを相互に関連付けるための正規化手法

可観測性ダッシュボードの構築方法

  • Grafanaを用いたメトリックの視覚化手法
  • ​ログ分析用にKibanaダッシュボードを構築する方法
  • Elasticsearchクエリを用いて運用上の知見を抽出する手法

異常検知とインシデント予測技術の実践法

  • ​可観測性データをPython処理フローへエクスポートする手法
  • 外れ値検出や将来予測のための機械学習モデル作成法
  • 本番環境の可観測性パイプライン内で作成したモデルを即時推論用に展開する手法

オープンソースツールによるアラート処理および自動化実現法

  • Prometheusのアラートルール設定方法とAlertmanager経由でのルーティング手法
  • スクリプトやAPIワークフローの自動起動を通じた迅速な対応実現法
  • AnsibleやRundeckといったオープンソース型のオーケストレーションツール活用方法

パイプラインの統合およびスケーラビリティ設計法

  • 大量データの効率的な収集と長期的保存を実現するための対策法
  • ​オープンソースツール群におけるセキュリティ管理やアクセス制御手法
  • 収集処理、異常検知、アラート機能といった各レイヤーを個別に拡張する設計法

実運用での応用例および今後の活用展開法

  • ​パフォーマンスチューニング、ダウンタイムの防止策、コスト削減などに関するケーススタディ紹介
  • トレーシングツールやサービスグラフ機能を付加してパイプラインを拡張する方法
  • 本番環境においてAIOpsの安定運用と維持管理に役立つベストプラクティスの紹介

まとめおよび今後の取り組みについて

要求

  • PrometheusやELKといった可観測性ツールに関する実務経験
  • Pythonおよび機械学習の基礎知識を有していること
  • IT運用やアラートフローに関する理解があること

対象となる受講者

  • 中級以上のサイトリライアビリティエンジニア(SRE)
  • 運用業務に従事するデータエンジニア
  • DevOpsプラットフォームの責任者やインフラストラクチャ設計者
 14 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー