AI运维与监控
📖 课程简介
AI平台的运维体系建设：Prometheus+Grafana监控GPU使用率、API延迟和模型吞吐量；ELK日志管理；Kubernetes容器编排；自动扩缩容策略。保障AI平台的高可用和稳定性。
🎯 学习收获
✅ 掌握Prometheus+Grafana监控体系搭建
✅ 学会GPU使用率和API延迟监控
✅ 理解容器编排和自动扩缩容策略
✅ 能够搭建完整的AI运维告警系统
✅ 具备AI平台故障排查能力
📋 前置要求
• 了解AI服务的基本架构
• 有Docker和Linux基础
• 对运维监控有基本认知
👥 适合人群
👤 AI平台运维人员
👤 需要保障AI服务稳定性的技术团队
👤 对DevOps和AIOps感兴趣的开发者