Contacta con nosotros

Temario del curso

Diseño de una arquitectura AIOps abierta

  • Resumen de los componentes clave en las canalizaciones AIOps de código abierto
  • Flujo de datos desde la ingestión hasta la alerta
  • Comparación de herramientas y estrategia de integración

Recopilación y agregación de datos

  • Ingestión de datos de series temporales con Prometheus
  • Captura de registros con Logstash y Beats
  • Normalización de datos para la correlación entre diferentes fuentes

Construcción de paneles de observabilidad

  • Visualización de métricas con Grafana
  • Construcción de paneles en Kibana para análisis de registros
  • Uso de consultas en Elasticsearch para extraer información operativa

Detección de anomalías y predicción de incidentes

  • Exportación de datos de observabilidad a canalizaciones de Python
  • Entrenamiento de modelos de aprendizaje automático para la detección de valores atípicos y pronóstico
  • Implementación de modelos para inferencia en vivo en la canalización de observabilidad

Alerta y automatización con herramientas abiertas

  • Creación de reglas de alerta en Prometheus y enrutamiento con Alertmanager
  • Activación de scripts o flujos de trabajo API para respuesta automática
  • Uso de herramientas de orquestación de código abierto (por ejemplo, Ansible, Rundeck)

Consideraciones de integración y escalabilidad

  • Manejo de ingestión de alto volumen y retención a largo plazo
  • Seguridad y control de acceso en pilas de código abierto
  • Escalado independiente de cada capa: ingestión, procesamiento, alerta

Aplicaciones del mundo real y extensiones

  • Estudios de casos: optimización del rendimiento, prevención de tiempos de inactividad y optimización de costos
  • Extensión de las canalizaciones con herramientas de rastreo o grafos de servicios
  • Mejores prácticas para ejecutar y mantener AIOps en producción

Resumen y próximos pasos

Requerimientos

  • Experiencia con herramientas de observabilidad como Prometheus o ELK
  • Conocimiento práctico de Python y fundamentos del aprendizaje automático
  • Comprensión de las operaciones de TI y los flujos de trabajo de alertas

Público objetivo

  • Ingenieros avanzados de confiabilidad del sitio (SRE)
  • Ingenieros de datos que trabajan en operaciones
  • Líderes de plataformas DevOps y arquitectos de infraestructura
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas