Contacta con nosotros

Temario del curso

Diseño de una Arquitectura AIOps Abierta

  • Descripción general de los componentes clave en las canalizaciones AIOps de código abierto
  • Flujo de datos desde la ingestión hasta el alertamiento
  • 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 correlación entre distintas fuentes

Construcción de Paneles de Observabilidad

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

Detección de Anomalías y Predicción de Incidentes

  • Exportación de datos de observabilidad a canalizaciones en Python
  • Entrenamiento de modelos de aprendizaje automático para detección de valores atípicos y predicción
  • Implementación de modelos para inferencia en tiempo real dentro de la canalización de observabilidad

Alertamiento y Automatización con Herramientas Abiertas

  • Creación de reglas de alerta en Prometheus y enrutamiento con Alertmanager
  • Activación de scripts o flujos de trabajo de 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 y alertamiento

Aplicaciones del Mundo Real y Extensiones

  • Estudios de caso: optimización del rendimiento, prevención de tiempo fuera de servicio y optimización de costos
  • Extensión de las canalizaciones con herramientas de trazabilidad o gráficos de servicios
  • Mejores prácticas para operar y mantener AIOps en producción

Resumen y Próximos Pasos

Requerimientos

  • Experiencia con herramientas de observabilidad como Prometheus o ELK
  • Conocimientos prácticos de Python y fundamentos del aprendizaje automático
  • Comprensión de las operaciones de TI y los flujos de trabajo de alertamiento

Audiencia Objetivo

  • Ingenieros avanzados de confiabilidad del sitio (SREs)
  • 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