Observeren voor een betere diagnose
Hoe zet u monitoring op die relevante incidenten detecteert en waarmee u de oorzaken ervan kunt verifiëren?
3500 € per sessie, excl. btw
Samengevat
In twee dagen, ofwel 14 uur exclusief pauzes, ontwerpt u een observabilityprototype dat metrieken, logs, traces en waarschuwingen combineert. Generatieve AI ondersteunt de voorbereiding van configuraties en procedures, die altijd in een geïsoleerde omgeving worden gecontroleerd. U vertrekt met een geteste oplossing, kwaliteitsmetingen en een plan voor een afgebakend pilootproject.
Waarom deze opleiding?
Technische dashboards volstaan niet om een mislukte reservering te verklaren. Door symptomen die gebruikers ervaren, afhankelijkheden en telemetrie met elkaar te verbinden, kunt u onderscheid maken tussen verzadiging, een applicatiefout en ontbrekende gegevensverzameling. AI versnelt het schrijven van query's, configuraties en procedures, maar kan onbestaande velden of willekeurige drempelwaarden voorstellen. Elk voorstel wordt getoetst aan de beschikbare gegevens, de documentatie en de testresultaten. Doorlopende casus: De fictieve organisatie Dalmorie Billetterie beheert een onlinereserveringssysteem: interface, API en database. Intermitterende vertragingen en gesimuleerde betalingsfouten moeten worden gedetecteerd zonder het aantal onnodige waarschuwingen op te drijven. Toepassing op het werk: Stel een pilootproject voor op een niet-kritieke dienst: een aangeduide verantwoordelijke, goedgekeurde toegangsrechten, een toegestaan storingsscenario, een evaluatie van de waarschuwingen en een op metingen gebaseerde beslissing over de voortzetting.
De doelstellingen van deze opleiding
- De afhankelijkheden van een kritiek gebruikerstraject in kaart brengen
- Dienstindicatoren en hun doelstellingen definiëren
- Een prototype instrumenteren met metrieken, logs en traces
- Waarschuwingen configureren die aan een interventieprocedure gekoppeld zijn
- De detectie meten en de beperkingen van het pilootproject documenteren
Voor wie en met welke voorkennis?
Betrokken rollen en taken
- Engineers voor operations, DevOps en servicebetrouwbaarheid
- Lead developers en technische productverantwoordelijken
Vereiste voorkennis
- Een testapplicatie kunnen uitvoeren en de configuratie ervan kunnen wijzigen.
- HTTP, applicatielogs en systeemmetrieken begrijpen.
- Een gestructureerd verzoek aan een AI-assistent kunnen formuleren.
Waaraan u werkt
Het kritieke traject afbakenen
Doel: De geobserveerde dienst afbakenen. Monitoring, observability, afhankelijkheden en impact op de gebruiker.
Meetbare toezeggingen definiëren
Doel: Bruikbare indicatoren opstellen. SLI, SLO, latentie, beschikbaarheid en foutenbudget.
De gegevensverzameling ontwerpen
Doel: Gecontroleerde telemetrie organiseren. Metrieken, logs, traces; cardinaliteit, sampling, bewaring en toegang.
Het prototype instrumenteren
Doel: Signalen uitsturen die met elkaar gecorreleerd kunnen worden. Correlatie-ID's, contextpropagatie en maskering.
De ontvangen gegevens valideren
Doel: Gebreken in de gegevensverzameling opsporen. Tijdstempels, ontbrekende velden, duplicaten en onderbreking van de collector.
Diagnostische weergaven opbouwen
Doel: Symptomen en afhankelijkheden met elkaar verbinden. Weergaven van de dienst, verzadiging en fouten, en navigatie naar traces.
De waarschuwingen afstellen
Doel: Meldingen die niet tot actie leiden beperken. Drempelwaarden, tijdvensters, groepering, routering en ontbrekende gegevens.
De interventie voorbereiden
Doel: Elke waarschuwing omzetten in concrete handelingsmogelijkheden. Controles, hypothesen, escalatie en terugdraaiing.
De detectie op de proef stellen
Doel: De beperkingen van de oplossing meten. Gecontroleerd injecteren van latentie, fouten en uitval van de gegevensverzameling.
Het pilootproject organiseren
Doel: Voorwaarden stellen voor een gecontroleerde uitbreiding. Verantwoordelijkheden, belasting door gegevensverzameling, beveiliging en stopcriteria.
Wat u meeneemt
- Telemetriearchitectuur en afspraken over gegevensverzameling
- Geconfigureerd prototype met dashboard en waarschuwingen
- Interventieprocedures en testrapport
- Plan voor een pilootproject met verantwoordelijkheden en stopvoorwaarden
Methode en evaluatie
- Korte toelichtingen, onmiddellijk gevolgd door praktijkoefeningen op basis van de doorlopende casus.
- Individueel werk, daarna werk in duo’s, waarbij deelnemers elkaars resultaten nakijken.
- Begeleide gezamenlijke bespreking: wat werkt, wat gecorrigeerd moet worden en wat een menselijke beslissing blijft.
- Voorbereiding: bereid een geïsoleerde omgeving voor met een applicatie, gegevensverzameling en visualisatie die door de organisatie zijn toegestaan. Voorzie fictieve of geanonimiseerde gegevens; sluit geheimen, tokens en persoonsgegevens uit van de uitwisselingen met de AI.
Waarneembare criteria: de indicatoren vermelden de formule, het tijdvenster, de bron en het doel. ; Een gesimuleerd verzoek wordt teruggevonden in de gecorreleerde logs en traces. ; Elke geïnjecteerde storing levert een vastgelegd resultaat op, met de detectietijd. ; Elke waarschuwing heeft een ontvanger, een onderbouwing en een procedure. ; De gegenereerde configuraties worden gevalideerd zonder geheimen bloot te stellen..
Veelgestelde vragen
Is een specifiek platform verplicht?
Nee, de gekozen stack moet vóór de sessie toegestaan en beschikbaar zijn.
Analyseert de AI productielogs?
De oefeningen gebruiken uitsluitend fictieve of geanonimiseerde gegevens, zonder geheimen.
Wordt de oplossing productierijp gemaakt?
Nee: het resultaat is een getest prototype en een pilotplan.
Hoe beoordeelt u de waarschuwingen?
Aan de hand van gesimuleerde storingen, de vastgestelde detectietijden, gemiste incidenten en onnodige meldingen.
Laatst bijgewerkt: