Construyendo una pila de observabilidad de red con herramientas, automatización e IA

*Si tienes problemas con el pago en Eventbrite, puedes utilizar este enlace de Luma para comprar tu entrada en su lugar: https://luma.com/packt-0rxq Las infraestructuras modernas generan volúmenes masivos de telemetría, pero la visibilidad por sí sola no es suficiente. Las organizaciones necesitan ingenieros que puedan transformar la telemetría en información procesable, automatizar las respuestas a incidentes y aprovechar la IA de manera responsable para reducir el tiempo de solución de problemas. Este taller se centra en técnicas prácticas que puedes aplicar de inmediato en entornos de producción. ¿Por qué asistir? • Aprende un enfoque práctico para la observabilidad de red utilizado en entornos de producción. • Adquiere experiencia práctica con herramientas de código abierto estándar de la industria. • Comprende cómo la automatización puede reducir el esfuerzo operativo manual. • Aprende dónde la IA mejora las operaciones de red y dónde las técnicas tradicionales siguen siendo la mejor opción. • Llévate flujos de trabajo prácticos y mejores prácticas que puedes aplicar de inmediato. Qué aprenderás • Al final de este taller, podrás: Construir una pila de observabilidad de red utilizando Telegraf, Prometheus y Grafana. • Recopilar y normalizar telemetría de red. Escribir consultas PromQL y LogQL para solucionar problemas de red. • Diseñar paneles e alertas conscientes de la intención. • Crear flujos de trabajo de automatización impulsados por la observabilidad. Aplicar técnicas asistidas por IA para la detección de anomalías y análisis de causa raíz. • Comprender las mejores prácticas para implementar soluciones de observabilidad en producción. ¿Quién debería asistir? Este taller es ideal para: Ingenieros de red, Ingenieros de DevOps, Ingenieros de confiabilidad de sitios (SREs), Administradores de sistemas, Ingenieros de plataformas, Profesionales de infraestructura en la nube, profesionales de TI que buscan modernizar sus habilidades de observabilidad.