智能运维(AIOps)课程
课程天数:2天
课程介绍
人工智能和机器学习不断发展,传统的IT运维,也从自动化运维升级到AIOps时代。如何将AIOps技术应用到企业及个人的实际运维工作中显得尤为重要。本课程通过对AI理论,算法,实操,以及案例的介绍,帮助大家深入理解AIOps,并将其实际运用到工作中。
课程收益
掌握AIOps的主要算法,通过算法实操,结合腾讯的具体AIOps应用案例,手把手教大家如何在实际工作中玩转AIOps,解决运维难题。
从自动化到智能化,从被动运维到主动运维。
培训对象
有一定基础的运维工程师;
运维、开发、架构及DevOps工程师;
对智能运维感兴趣的技术人员;
由传统运维向智能运维转型的技术人员。
课程大纲
第一单元:AIOps简介
1、目标:了解目前人工智能可适用的运维领域和场景。帮助学员更好地理解AIOps;
2、内容:人工智能和运维领域能相结合的领域总览,包括监控,扩容,瓶颈等等;
第二单元:运维数据模型
1、目标:深入了解为达到AIOps前期的具体数据层面工作拆分;
2、内容:运维数据模型;
• 监控对象
• 指标体系
• 数据模型
• 数据采集
第三单元:AI下数据的运维场景运用
1、目标:通过事例和大型互联网运维场景,透彻讲解人工智能时代数据的运用方式;
2、内容:AI下数据的运维场景运用;
• 日志服务
• 数据接入、数据解析
• 日志查询、日志告警、多租户
• 数据加工厂
• 数据接入、流式处理
• OLAP存储、数据API
• 多维监控
• 查询条件、指标配置
• 多维分析、多维告警
• 数据消费
• 即席查询、仪表盘、报表
第四单元:机器学习与AI概述
1、目标:掌握机器学习的分类和度量,并且能实际操作和了解该算法是如何达到目的;
2、内容:
• 背景介绍: AI的前世今生;
• 机器学习总览: 分类和度量;
• 机器学习算法原理详解:
• 有监督算法:决策树、贝叶斯算法、线性回归/逻辑回归、随机森林
• 无监督算法:关联规则、聚类算法
• 时间序列算法:ARIMA、Holt-Winters
• NLP:文本检索算法、深度学习算法
• 运维场景下的机器学习应用概述
第五单元:机器学习算法应用入门实操
1、目标:掌握机器学习的分类和度量,并且能实际操作和了解该算法是如何达到目的;
2、内容:针对前一章的主要算法做实操演示,提供环境、算法说明文档、示例说明;
第六单元:运维场景下的智能运维
1、目标:结合算法,分析大型互联网内部AIOps的具体案例,帮助复用到学员的具体工作中;
2、内容:运维场景下的智能运维案例;
• 时间序列检测:(率值和量值)DLP、Monitor
• 自然语言处理:智能客服&舆情监控
• 根因分析:Root & 哈勃多维监控