第1章　自动化运维的常见问题与发展趋势
1.1　运维过程中的常见问题
1.1.1　设备数量多
1.1.2　系统异构性大
1.1.3　云计算技术成熟后带来更大的困难
1.1.4　信息安全要求带来的挑战
1.2　自动化运维主流工具
1.2.1　SaltStack
1.2.2　Ansible
1.3　自动化运维
1.4　新的趋势—AIOps
1.5　小结
第2章　使用Kubernetes快速搭建实验环境
2.1　Docker
2.1.1　使用Docker搭建实验环境的优点
2.1.2　安装Docker
2.1.3　Docker的基础使用方法
2.1.4　Docker常用命令与配置
2.1.5　定制Ansible镜像
2.1.6　使用docker-compose编排实验环境
2.1.7　docker-compose的常用配置项
2.2　镜像仓库
2.2.1　Docker Registry
2.2.2　Harbor
2.3　Kubernetes
2.3.1　Kubernetes简介
2.3.2　Kubeasz
2.3.3　K3S
2.3.4　Kubernetes快速入门
2.3.5　使用Kubernetes Deployment搭建Ansible实验环境
第3章　集中化运维利器——Ansible
3.1　Ansible基础知识
3.1.1　主机纳管——inventory
3.1.2　动态inventory
3.2　在命令行中执行Ansible
3.2.1　指定目标主机
3.2.2　常用命令示例
3.3　Ansible常用模块
3.3.1　文件管理模块
3.3.2　命令执行模块
3.3.3　网络相关模块
3.3.4　代码管理模块
3.3.5　包管理模块
3.3.6　系统管理模块
3.3.7　文档动态渲染与配置模块
3.4　自动化作业任务的实现—Ansible Playbook
3.4.1　Playbook示例
3.4.2　常用的Playbook结构
3.4.3　变量的使用
3.4.4　条件语句
3.4.5　循环控制
3.4.6　include语法
3.4.7　Ansible Playbook的角色roles
3.5　密钥管理方案—ansible-vault
3.6　使用Ansible的API
3.7　Ansible的优点与缺点
第4章　自动化运维
4.1　Ansible在自动化运维中的应用
4.1.1　ansible_fact缓存
4.1.2 ansible_fact信息模板
4.1.3　载入fact
4.1.4　set_fact的使用
4.1.5　自定义module
4.2　挂载点使用情况和邮件通知
4.2.1　任务目标
4.2.2　任务分析
4.2.3　任务的实现
4.3　操作系统安全基线检查
4.3.1　任务目标
4.3.2　任务分析
4.3.3　任务的实现
4.4　收集被管理节点信息
4.4.1　任务目标
4.4.2　任务分析
4.4.3　Jinja2简介
4.4.4　服务器巡检任务
4.5　小结
第5章　AIOps概述
5.1　AIOps概述
5.2　AIOps的落地路线
5.3　基于基础指标监控系统的AIOps
5.4　基于日志分析系统的AIOps
5.5　基于知识库的AIOps
5.6　基于AI平台的AIOps
第6章　AIOps工具包
6.1　应用系统参数自动优化
6.2　智能日志分析
6.2.1　日志模式发现
6.2.2　日志模式统计分析
6.2.3　实时异常检测
6.3　告警关联分析
6.4　语义检索
6.4.1　Bert-As-Service
6.4.2　Bert Fine-tuning
6.5　异常检测
6.5.1　典型场景——监控指标异常检测
6.5.2　异常检测工具包——PyOD
6.6　时序预测
6.6.1　典型场景——动态告警阈值
6.6.2　时序预测工具包——Prophet
第7章　加速AIOps落地——AI平台
7.1　AI平台与AIOps
7.1.1　为运维系统插上AI的翅膀
7.1.2　Polyaxon
7.2　搭建AI平台的技术点
7.2.1　nvidia-docker
7.2.2　nvidia-device-plugin
7.2.3　KubeShare——显卡资源调度
7.2.4　AI算法插件框架设计
7.2.5　KEDA——基于事件的弹性伸缩框架
7.2.6　Argo Workflow——云原生的工作流引擎
7.2.7　Traefik
7.3　小结