AIOps-Grundlagen: Überwachung, Korrelation und intelligente Alarmierung Schulung

Einführung in AIOps

• Was ist AIOps und warum ist es wichtig
• Traditionelle Überwachung vs. AIOps-gestützte Observierbarkeit
• AIOps-Architektur und Schlüsselkomponenten

Erfassung und Normalisierung operativer Daten

• Arten von Observierbarkeitsdaten: Metriken, Logs und Traces
• Einlesen von Daten aus mehreren Quellen (Server, Container, Cloud)
• Nutzung von Agenten und Exportern (Prometheus, Beats, Fluentd)

Datenerfassung und Anomalie-Erkennung

• Zeitreihen-Korrelation und statistische Methoden
• Verwendung von ML-Modellen zur Anomalie-Erkennung
• Erkennung von Incidents in verteilten Systemen

Alarmierung und Rauschreduktion

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

Ursachenanalyse und Visualisierung

• Verwendung von Dashboards zur Visualisierung von Metriken und zur Trendanalyse
• Untersuchung von Ereignissen und Zeitlinien zur RCA (Root Cause Analysis)
• Verfolgung von Problemen über Ebenen hinweg mit verteilten Tracing-Tools

Automatisierung und Wiederherstellung

• Auslösen automatisierter Skripte oder Workflows aus Incidents
• Integration mit ITSM-Systemen (ServiceNow, Jira)
• Anwendungsfälle: Selbstheilung, Skalierung, Verkehrsumleitung

Open-Source- und kommerzielle AIOps-Plattformen

• Überblick über Tools: Prometheus, Grafana, ELK, Moogsoft, Dynatrace
• Bewertungskriterien für die Auswahl einer AIOps-Plattform
• Demo und praktische Anwendung mit einem ausgewählten Stack

Zusammenfassung und nächste Schritte