凡是个运维都会面临或即将面临的痛难点
数据库运维:
1、数据库体量剧增、业务上线紧迫等普遍现状,导致的性能问题频发,该如何做好事前管控?
2、如何做好数据库性能与容量问题的治理以及可用性的维稳?
3、业务高速扩张带来的数据库实例井喷,引发大量异常如何应对?
4、如何及时诊断异常问题,快速完成异常发现、分析、处理、运营的闭环?
5、在运维/DevOps场景下,能否使用图数据库赋能?成效与传统数据库有什么区别?
智能运维:
1、AIOps目前新增了哪些可覆盖的应用场景?
2、AIOps常用算法有哪些值得推荐?
3、除了互联网大厂以外,银行等金融行业怎么把AIOps用起来?
4、“数智化”的考量将变成运维体系建设成熟度的一个重要衡量指标?
5、如何利用数据化和智能化的方法,结合业务场景实现AIOps工程闭环,助力业务实现运维价值?
大数据运维:
1、运维数据的价值如何挖掘与应用?
2、数据治理对运维数据体系建设起到怎样的关键作用?
3、为什么说DataOps即将成为大数据新战线?对大数据管理体系建设有哪些启发和补充?
4、DataOps发展过程应该是怎样的?如何制定适配企业自身的阶段性战略?
5、如何通过落地DataOps,实现提质降本、高质量交付,赋能新业务孵化和老业务增值?
运维新趋势:
1、云原生技术发展迫使运维亟需转型,但人手不充足、工具跟不上、平台不给力怎么破?
2、如何在CI/CD环节提升效能和质量?
3、混沌工程是什么?为什么需要?怎么做?有什么收益?如何通过主动注入故障,提前发现潜在问题,持续改进应用架构和运维方式,确保应用的韧性?
4、作为运维转型方向,SRE与DevOps有什么区别?要掌握哪些技能?发挥哪些关键作用?
5、为什么说容器与机器学习密不可分?Docker/K8S如何与机器学习模型部署相结合?
上述疑难,都在DAMS峰会一网打尽