培訓(xùn)模塊

培訓(xùn)內(nèi)容

?

?

?

?

?

AI與運(yùn)維原則與趨勢

1.運(yùn)維的歷史發(fā)展階段

2.運(yùn)維管理的現(xiàn)狀

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

4.運(yùn)維數(shù)據(jù)治理工作的策略與原則

5.運(yùn)維數(shù)據(jù)治理工作的創(chuàng)新思路

6.運(yùn)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(yùn)維應(yīng)用領(lǐng)域

10.人工智能運(yùn)維發(fā)展趨勢

11.人工智能化運(yùn)維應(yīng)用案例

?

?

?

AIOPS目標(biāo)體系技術(shù)路線

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

15.智能運(yùn)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(shí)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(yùn)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(shí)施落地的角色區(qū)分

25.AIOPS實(shí)施落地的用戶行為挑戰(zhàn)

26.如何有效推動(dòng)執(zhí)行

?

?

?

?

?

?

智能運(yùn)維體系

27.數(shù)字化時(shí)代的運(yùn)維挑戰(zhàn)

28.從人力運(yùn)維(HIOps)到智能運(yùn)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(yùn)維數(shù)據(jù)治理面臨的新挑戰(zhàn)

32.配置管理CMDB

33.運(yùn)維指標(biāo)體系管理

34.調(diào)用鏈路及其應(yīng)用場景

35.運(yùn)維數(shù)據(jù)治理呼喚新思考和新方法

36.運(yùn)維數(shù)據(jù)治理模型

37.在運(yùn)維一體化建設(shè)中的實(shí)踐案例以及存在的待?優(yōu)化點(diǎn)

?

?

應(yīng)用運(yùn)維智能化的關(guān)鍵技術(shù)

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

39.關(guān)聯(lián)分析：實(shí)現(xiàn)全景化應(yīng)用監(jiān)控的基礎(chǔ)?40.數(shù)據(jù)統(tǒng)計(jì)：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(xiǎn)防患未然

42.因果推理：專家經(jīng)驗(yàn)輔助決策支持

43.自治控制：應(yīng)用運(yùn)維過程的自動(dòng)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(diǎn)介紹該部分，2小時(shí)，結(jié)合某金

融科技公司的實(shí)際實(shí)踐例子，外面往往重點(diǎn)介紹?算法等，但實(shí)際實(shí)踐中最難點(diǎn)在于落地

?

?

?

AIOPS的關(guān)鍵技術(shù)及框架體?系

49.應(yīng)用智能運(yùn)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(chǔ)海量監(jiān)控?cái)?shù)據(jù)

53.機(jī)器數(shù)據(jù)檢索分析

54.人工智能算法支撐平臺(tái)

55.應(yīng)用監(jiān)控?cái)?shù)據(jù)可視化

56.告警及風(fēng)險(xiǎn)智能管理

57.Dynatrace:軟件智能平臺(tái)