문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 14 시간
코스 개요
오픈 소스 AIOps 아키텍처 설계
- 오픈 소스 AIOps 파이프라인의 주요 컴포넌트 개요
- 인제션(Ingestion)부터 경고까지의 데이터 흐름
- 도구 비교 및 통합 전략
데이터 수집 및 집계
- Prometheus를 이용한 시계열 데이터 수집
- Logstash 및 Beats를 이용한 로그 캡처
- 크로스 소스 상관관계 분석을 위한 데이터 정규화
관찰 가능성 대시보드 구축
- Grafana를 이용한 메트릭 시각화
- Kibana를 이용한 로그 분석 대시보드 제작
- Elasticsearch 쿼리를 활용한 운영 인사이트 추출
이상치 감지 및 사고 예측
- 관찰 가능성 데이터를 Python 파이프라인으로 내보내기
- 아웃라이어 감지 및 예측을 위한 ML 모델 학습
- 관찰 가능성 파이프라인에서 실시간 추론을 위한 모델 배포
오픈 소스 도구를 활용한 경고 및 자동화
- Prometheus 경고 규칙 및 Alertmanager 라우팅 생성
- 자동 응답을 위한 스크립트 또는 API 워크플로우 트리거
- 오픈 소스 오케스트레이션 도구 활용(예: Ansible, Rundeck)
통합 및 확장성 고려 사항
- 고용량 인제션 및 장기 데이터 보존 처리
- 오픈 소스 스택에서의 보안 및 접근 제어
- 인제션, 처리, 경고 레이어별 독립적 확장
실무 적용 사례 및 확장
- 케이스 스터디: 성능 튜닝, 다운타임 예방, 비용 최적화
- 트레이싱 도구 또는 서비스 그래프를 통한 파이프라인 확장
- 프로덕션 환경에서 AIOps를 실행 및 유지하는 모범 사례
요약 및 다음 단계
요건
- Prometheus 또는 ELK와 같은 관찰 가능성(Observability) 도구에 대한 경험
- Python 및 머신러닝 기초에 대한 실무 지식
- IT 운영 및 경고 워크플로우에 대한 이해
대상 독자
- 고급 사이트 리엔지니어(SRE)
- 운영 분야에 종사하는 데이터 엔지니어
- DevOps 플랫폼 리드 및 인프라 아키텍트