문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 14 시간
코스 개요
오픈 소스 도구를 활용한 AIOps 소개
- AIOps 개념 및 이점 개요
- 가시성 스택에서의 Prometheus와 Grafana
- AIOps에서 ML의 역할: 예측 분석과 반응형 분석
Prometheus와 Grafana 설정
- 시계열 데이터 수집을 위한 Prometheus 설치 및 구성
- 실시간 메트릭을 사용하여 Grafana에서 대시보드 생성
- Exporter, Relabeling, 서비스 디스커버리 탐색
ML을 위한 데이터 전처리
- Prometheus 메트릭 추출 및 변환
- 이상치 탐지 및 예측을 위한 데이터세트 준비
- Grafana의 변환 기능 또는 Python 파이프라인 사용
이상치 탐지를 위한 기계 학습 적용
- 아웃라이어 탐지를 위한 기본 ML 모델 (예: Isolation Forest, One-Class SVM)
- 시계열 데이터로 모델 학습 및 평가
- Grafana 대시보드에서 이상치 시각화
ML을 이용한 메트릭 예측
- 단순한 예측 모델 구축 (ARIMA, Prophet, LSTM 소개)
- 시스템 로드 또는 자원 사용량 예측
- 조기 경고 및 확장 의사결정을 위한 예측 활용
ML을 경고 및 자동화에 통합
- ML 출력 또는 임계값 기반 경고 규칙 정의
- Alertmanager 및 알림 라우팅 사용
- 이상치 탐지 시 스크립트 또는 자동화 워크플로우 트리거
AIOps 확장 및 운영화
- 외부 가시성 도구 통합 (예: ELK 스택, Moogsoft, Dynatrace)
- 가시성 파이프라인에서 ML 모델 운영화
- 대규모 AIOps에 대한 모범 사례
요약 및 다음 단계
요건
- 시스템 모니터링 및 가시성 개념에 대한 이해
- Grafana 또는 Prometheus 사용 경험
- Python 및 기본적인 기계 학습 원칙에 대한 숙지
대상 독자
- 가시성 엔지니어
- 인프라 및 DevOps 팀
- 모니터링 플랫폼 아키텍트 및 사이트 신뢰성 엔지니어(SRE)