培訓模塊

培訓內容

?

?

?

?

?

AI與運維原則與趨勢

1.運維的歷史發展階段

2.運維管理的現狀

3.運維數據資產化與運維管理數字化轉型

4.運維數據治理工作的策略與原則

5.運維數據治理工作的創新思路

6.運維數據模型建設思路

7.什么是人工智能

8.人工智能的歷史及趨勢

9.人工智能運維應用領域

10.人工智能運維發展趨勢

11.人工智能化運維應用案例

?

?

?

AIOPS目標體系技術路線

12.AIOps為什么會成為公認的運維管理的方向?13.AIOps對于運維數據管理提出的需求與挑戰?14.AIOPS介紹

15.智能運維AIOPS產生的背景

16.AIOPS目標

17.AIOPS知識體系

18.AIOPS關鍵技術

19,AIOPS實施規劃與案例分享

APM?與AIOPS行業發展

20.APM 行業發展歷程

?

?

21.APM在IT運維體系的地位

22.APM與AIOPS的關系

23?.GARNTER對APM行業的分析

24.AIOPS實施落地的角色區分

25.AIOPS實施落地的用戶行為挑戰

26.如何有效推動執行

?

?

?

?

?

?

智能運維體系

27.數字化時代的運維挑戰

28.從人力運維(HIOps)到智能運維(AIOps

29.數據、算法、場景：工程化的“三駕馬車”

30.廣泛認知的企業數據治理

31.運維數據治理面臨的新挑戰

32.配置管理CMDB

33.運維指標體系管理

34.調用鏈路及其應用場景

35.運維數據治理呼喚新思考和新方法

36.運維數據治理模型

37.在運維一體化建設中的實踐案例以及存在的待?優化點

?

?

應用運維智能化的關鍵技術

38.異常檢測：篩選時間序列數據，發現潛在風險

39.關聯分析：實現全景化應用監控的基礎?40.數據統計：敏捷高效的信息提取手段

41.預測分析：使應用性能風險防患未然

42.因果推理：專家經驗輔助決策支持

43.自治控制：應用運維過程的自動化管理

?

?

?

AIOPS的核心模塊

44.數據(收集/展示/定義)

45.核心問題及目標

46.邏輯分析(可結構化

47.技術(算法

48.閉環落地(重點介紹該部分，2小時，結合某金

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的關鍵技術及框架體?系

49.應用智能運維工具圖譜

50.業務流程巡檢撥測

51.應用請求鏈路追蹤

52.存儲海量監控數據

53.機器數據檢索分析

54.人工智能算法支撐平臺

55.應用監控數據可視化

56.告警及風險智能管理

57.Dynatrace:軟件智能平臺