Contacta con nosotros

Temario del curso

Diseño de una Arquitectura Abierta de AIOps

  • Descripción general de los componentes clave en los pipelines de AIOps de código abierto
  • Flujo de datos desde la ingestión hasta las alertas
  • Comparación de herramientas y estrategia de integración

Recolección 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 fuentes distintas

Construcción de Dashboards de Observabilidad

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

Detección de Anomalías y Predicción de Incidentes

  • Exportación de datos de observabilidad a pipelines de Python
  • Entrenamiento de modelos de aprendizaje automático para detección de valores atípicos y pronósticos
  • Despliegue de modelos para inferencia en tiempo real dentro del pipeline de observabilidad

Alertas y Automatización con Herramientas Abiertas

  • Creación de reglas de alerta de Prometheus y enrutamiento con Alertmanager
  • Activación de scripts o flujos de trabajo de API para respuestas automáticas
  • 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 alertas

Aplicaciones del Mundo Real y Extensiones

  • Estudios de caso: ajuste de rendimiento, prevención de tiempos de inactividad y optimización de costos
  • Extensión de pipelines con herramientas de trazado o gráficos 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
  • Conocimientos prácticos 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 fiabilidad 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