培訓(xùn)模塊

培訓(xùn)內(nèi)容

?

?

?

?

?

AI與運維原則與趨勢

1.運維的歷史發(fā)展階段

2.運維管理的現(xiàn)狀

3.運維數(shù)據(jù)資產(chǎn)化與運維管理數(shù)字化轉(zhuǎn)型

4.運維數(shù)據(jù)治理工作的策略與原則

5.運維數(shù)據(jù)治理工作的創(chuàng)新思路

6.運維數(shù)據(jù)模型建設(shè)思路

7.什么是人工智能

8.人工智能的歷史及趨勢

9.人工智能運維應(yīng)用領(lǐng)域

10.人工智能運維發(fā)展趨勢

11.人工智能化運維應(yīng)用案例

?

?

?

AIOPS目標(biāo)體系技術(shù)路線

12.AIOps為什么會成為公認(rèn)的運維管理的方向?13.AIOps對于運維數(shù)據(jù)管理提出的需求與挑戰(zhàn)?14.AIOPS介紹

15.智能運維AIOPS產(chǎn)生的背景

16.AIOPS目標(biāo)

17.AIOPS知識體系

18.AIOPS關(guān)鍵技術(shù)

19,AIOPS實施規(guī)劃與案例分享

APM?與AIOPS行業(yè)發(fā)展

20.APM 行業(yè)發(fā)展歷程

?

?

21.APM在IT運維體系的地位

22.APM與AIOPS的關(guān)系

23?.GARNTER對APM行業(yè)的分析

24.AIOPS實施落地的角色區(qū)分

25.AIOPS實施落地的用戶行為挑戰(zhàn)

26.如何有效推動執(zhí)行

?

?

?

?

?

?

智能運維體系

27.數(shù)字化時代的運維挑戰(zhàn)

28.從人力運維(HIOps)到智能運維(AIOps

29.數(shù)據(jù)、算法、場景：工程化的“三駕馬車”

30.廣泛認(rèn)知的企業(yè)數(shù)據(jù)治理

31.運維數(shù)據(jù)治理面臨的新挑戰(zhàn)

32.配置管理CMDB

33.運維指標(biāo)體系管理

34.調(diào)用鏈路及其應(yīng)用場景

35.運維數(shù)據(jù)治理呼喚新思考和新方法

36.運維數(shù)據(jù)治理模型

37.在運維一體化建設(shè)中的實踐案例以及存在的待?優(yōu)化點

?

?

應(yīng)用運維智能化的關(guān)鍵技術(shù)

38.異常檢測：篩選時間序列數(shù)據(jù)，發(fā)現(xiàn)潛在風(fēng)險

39.關(guān)聯(lián)分析：實現(xiàn)全景化應(yīng)用監(jiān)控的基礎(chǔ)?40.數(shù)據(jù)統(tǒng)計：敏捷高效的信息提取手段

41.預(yù)測分析：使應(yīng)用性能風(fēng)險防患未然

42.因果推理：專家經(jīng)驗輔助決策支持

43.自治控制：應(yīng)用運維過程的自動化管理

?

?

?

AIOPS的核心模塊

44.數(shù)據(jù)(收集/展示/定義)

45.核心問題及目標(biāo)

46.邏輯分析(可結(jié)構(gòu)化

47.技術(shù)(算法

48.閉環(huán)落地(重點介紹該部分，2小時，結(jié)合某金

融科技公司的實際實踐例子，外面往往重點介紹?算法等，但實際實踐中最難點在于落地

?

?

?

AIOPS的關(guān)鍵技術(shù)及框架體?系

49.應(yīng)用智能運維工具圖譜

50.業(yè)務(wù)流程巡檢撥測

51.應(yīng)用請求鏈路追蹤

52.存儲海量監(jiān)控數(shù)據(jù)

53.機器數(shù)據(jù)檢索分析

54.人工智能算法支撐平臺

55.應(yīng)用監(jiān)控數(shù)據(jù)可視化

56.告警及風(fēng)險智能管理

57.Dynatrace:軟件智能平臺