AIOps in Action: Incident Prediction and Root Cause Automation Eğitimi

Öngörücü AIOps'a Giriş

• BT operasyonlarında öngörücü analitiğin genel bakış
• Tahmin için veri kaynakları (günlükler, metrikler, olaylar)
• Zaman serisi tahmini ve anomali kalıplarındaki temel kavramlar

Olay Tahmin Modellerinin Tasarımı

• Geçmiş olayların ve sistem davranışının etiketlenmesi
• Model seçimi ve eğitimi (ör. LSTM, Random Forest, AutoML)
• Model performansını değerlendirme ve yanlış pozitiflerin işlenmesi

Veri Toplama ve Özellik Mühendisliği

• Model girdisi için günlük ve metrik verilerinin alınması ve hizalanması
• Yapılandırılmış ve yapılandırılmamış verilerden özellik çıkarımı
• Operasyonel boru hatlarında gürültü ve eksik verilerin işlenmesi

Kök Neden Analizinin (RCA) Otomatikleştirilmesi

• Servis ve altyapının graf tabanlı korelasyonu
• ML kullanarak olay zincirlerinden olası kök nedenlerin çıkarılması
• Topoloji bilinci olan panolarla RCA görselleştirmesi

İyileştirme ve İş Akışı Otomasyonu

• Otomasyon platformlarıyla entegrasyon (ör. Ansible, Rundeck)
• Geri alım, yeniden başlatma veya trafik yönlendirmesinin tetiklenmesi
• Otomatik müdahalelerin denetlenmesi ve belgelemesi

Akıllı AIOps Boru Hatlarının Ölçeklendirilmesi

• Gözlemlenebilirlik için MLOps: yeniden eğitim ve model sürümleme
• Dağıtık düğümler arasında gerçek zamanlı tahmin yürütme
• Üretim ortamlarında AIOps dağıtımı için en iyi uygulamalar

Vaka Çalışmaları ve Pratik Uygulamalar

• Öngörücü AIOps modelleri kullanarak gerçek olay verilerinin analiz edilmesi
• Sentetik ve üretim verileriyle RCA boru hatlarının dağıtımı
• Sektör kullanım senaryolarının incelemesi: bulut kesintileri, mikro hizmet instabilitesi, ağ bozulmaları

Özet ve Sonraki Adımlar