培训模块

培训内容

AI与运维原则与趋势

1.运维的历史发展阶段

2.运维管理的现状

3.运维数据资产化与运维管理数字化转型

4.运维数据治理工作的策略与原则

5.运维数据治理工作的创新思路

6.运维数据模型建设思路

7.什么是人工智能

8.人工智能的历史及趋势

9.人工智能运维应用领域

10.人工智能运维发展趋势

11.人工智能化运维应用案例

AIOPS目标体系技术路线

12.AIOps为什么会成为公认的运维管理的方向 13.AIOps对于运维数据管理提出的需求与挑战 14.AIOPS介绍

15.智能运维AIOPS产生的背景

16.AIOPS目标

17.AIOPS知识体系

18.AIOPS关键技术

19,AIOPS实施规划与案例分享

APM 与AIOPS行业发展

20.APM 行业发展历程

21.APM在IT运维体系的地位

22.APM与AIOPS的关系

23 .GARNTER对APM行业的分析

24.AIOPS实施落地的角色区分

25.AIOPS实施落地的用户行为挑战

26.如何有效推动执行

智能运维体系

27.数字化时代的运维挑战

28.从人力运维(HIOps)到智能运维(AIOps

29.数据、算法、场景：工程化的“三驾马车”

30.广泛认知的企业数据治理

31.运维数据治理面临的新挑战

32.配置管理CMDB

33.运维指标体系管理

34.调用链路及其应用场景

35.运维数据治理呼唤新思考和新方法

36.运维数据治理模型

37.在运维一体化建设中的实践案例以及存在的待 优化点

应用运维智能化的关键技术

38.异常检测：筛选时间序列数据，发现潜在风险

39.关联分析：实现全景化应用监控的基础 40.数据统计：敏捷高效的信息提取手段

41.预测分析：使应用性能风险防患未然

42.因果推理：专家经验辅助决策支持

43.自治控制：应用运维过程的自动化管理

AIOPS的核心模块

44.数据(收集/展示/定义)

45.核心问题及目标

46.逻辑分析(可结构化

47.技术(算法

48.闭环落地(重点介绍该部分，2小时，结合某金

融科技公司的实际实践例子，外面往往重点介绍 算法等，但实际实践中最难点在于落地

AIOPS的关键技术及框架体 系

49.应用智能运维工具图谱

50.业务流程巡检拨测

51.应用请求链路追踪

52.存储海量监控数据

53.机器数据检索分析

54.人工智能算法支撑平台

55.应用监控数据可视化

56.告警及风险智能管理

57.Dynatrace:软件智能平台