お問い合わせ
 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

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