お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 14 時間
コース概要
オープンAIOpsアーキテクチャの設計
- オープンAIOpsパイプラインにおける主要コンポーネントの概要
- 取り込みからアラート発行までのデータフロー
- ツールの比較と統合戦略
データの収集と集約
- Prometheusによる時系列データの取り込み
- LogstashとBeatsによるログのキャプチャ
- ソース横断的な相関分析に向けたデータ正規化
可観測性ダッシュボードの構築
- Grafanaによるメトリクスの可視化
- Kibanaダッシュボードの構築によるログ分析
- Elasticsearchクエリを使用して運用洞察を抽出する
異常検知とインシデント予測
- 可観測性データをPythonパイプラインにエクスポートする
- 外れ値検出と予測のためのMLモデルの学習
- 可観測性パイプラインでのライブ推論用にモデルをデプロイする
オープンツールによるアラート発行と自動化
- Prometheusのアラートルール作成とAlertmanagerのルーティング
- 自動応答のためのスクリプトまたはAPIワークフローのトリガー
- オープンソースオーケストレーションツールの活用(例:Ansible、Rundeck)
統合とスケーラビリティの考慮事項
- 大容量の取り込みと長期保存への対応
- オープンソーススタックにおけるセキュリティとアクセス制御
- 取り込み、処理、アラート発行の各レイヤーを独立してスケーリングする
実世界での応用と拡張
- ケーススタディ:パフォーマンスチューニング、ダウンタイムの防止、コスト最適化
- トレースツールやサービスグラフによるパイプラインの拡張
- 本番環境でのAIOpsの運用と維持のためのベストプラクティス
まとめと次のステップ
要求
- PrometheusやELKなどの可観測性ツールの使用経験
- Pythonおよび機械学習の基礎的な知識
- IT運用およびアラートワークフローの理解
対象者
- 上位レベルのサイト信頼性エンジニア(SRE)
- 運用分野で活動しているデータエンジニア
- DevOpsプラットフォームリーダーおよびインフラアーキテクト