Formation Fondements de l’AIOps : supervision, corrélation et alertes intelligentes

Introduction à l’AIOps

• Qu’est-ce que l’AIOps et pourquoi est-ce important
• Supervision traditionnelle par rapport à l’observabilité pilotée par l’AIOps
• Architecture de l’AIOps et composants clés

Collecte et normalisation des données opérationnelles

• Types de données d’observabilité : mesures, journaux et traces
• Ingestion de données à partir de multiples sources (serveurs, conteneurs, cloud)
• Utilisation d’agents et d’exportateurs (Prometheus, Beats, Fluentd)

Corrélation des données et détection d’anomalies

• Corrélation des séries chronologiques et méthodes statistiques
• Utilisation de modèles d’IA pour la détection d’anomalies
• Détection des incidents au sein des systèmes distribués

Alertes et réduction du bruit

• Conception de règles et de seuils d’alerte intelligents
• Suppression, déduplication et regroupement des alertes
• Intégration avec Alertmanager, Slack, PagerDuty ou Opsgenie

Analyse des causes racines et visualisation

• Utilisation des tableaux de bord pour visualiser les mesures et détecter les tendances
• Exploration des événements et des chronologies pour l’analyse des causes racines (RCR)
• Suivi des problèmes à travers les couches à l’aide d’outils de traçage distribué

Automatisation et remédiation

• Déclenchement de scripts ou de flux de travail automatisés à partir d’incidents
• Intégration avec les systèmes ITSM (ServiceNow, Jira)
• Cas d’usage : auto-réparation, dimensionnement dynamique, redirigement du trafic

Plateformes AIOps open source et commerciales

• Aperçu des outils : Prometheus, Grafana, ELK, Moogsoft, Dynatrace
• Critères d’évaluation pour la sélection d’une plateforme AIOps
• Démonstration et manipulation d’une pile sélectionnée

Résumé et prochaines étapes