AIOps-Grundlagen: Überwachung, Korrelation und intelligente Alarmierung Schulung

Einführung in AIOps

• Was ist AIOps und warum ist es wichtig
• Traditionelle Überwachung vs. AIOps-gestützte Observability
• AIOps-Architektur und Kernkomponenten

Erfassung und Normalisierung von Betriebsdaten

• Arten von Observability-Daten: Metriken, Protokolle und Traces
• Dateneingabe aus verschiedenen Quellen (Server, Container, Cloud)
• Nutzung von Agents und Exportern (Prometheus, Beats, Fluentd)

Datenkorrelation und Anomalieerkennung

• Zeitreihenekorrelation und statistische Methoden
• Einsatz von ML-Modellen zur Anomalieerkennung
• Erfassung von Vorfällen in verteilten Systemen

Alarmierung und Reduzierung von Rauschen

• Gestaltung intelligenter Alarmregeln und Schwellenwerte
• Unterdrückung, Deduplizierung und Gruppierung von Alarmen
• Integration mit Alertmanager, Slack, PagerDuty oder Opsgenie

Ursachenanalyse und Visualisierung

• Nutzung von Dashboards zur Visualisierung von Metriken und Trenderkennung
• Untersuchung von Ereignissen und Zeitplänen zur Ursachenanalyse (RCA)
• Nachverfolgung von Problemen über Ebenen hinweg mit verteilten Tracing-Tools

Automatisierung und Behebung

• Auslösung automatisierter Skripte oder Workflows aus Vorfällen
• Integration mit ITSM-Systemen (ServiceNow, Jira)
• Anwendungsfälle: Selbstheilung, Skalierung, Verkehrslenkung

Open-Source- und kommerzielle AIOps-Plattformen

• Übersicht der Tools: Prometheus, Grafana, ELK, Moogsoft, Dynatrace
• Evaluierungskriterien für die Auswahl einer AIOps-Plattform
• Demo und Praxis mit einem ausgewählten Stack

Zusammenfassung und nächste Schritte