本书讲解了自动化运维和智能化运维两大内容，并且通过实验环境搭建的方式，让读者能够快速地掌握当前 Docker 和 Kubernetes 环境的使用。在讲述相关的知识和技术的时候，以开箱即用的方式给读者选择了一些能够实际增强智能化运维能力的 AIOps 工具包。
本书主要介绍自动化运维和智能化运维的常用技术，同时，通过搭建实验环境的方式，让读者能够基于前沿的容器化技术Docker与Kubernetes搭建自己的运维实验环境，从而帮助读者更好地掌握本书涉及的技术要点。
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
近20年来，IT运维方式经历了从人工运维向工具运维和IT服务管理的发展，再向以云管为代表的自动化运维及正在爆发的智能化运维方向演进。本书两位作者分别是红帽自动化运维领域的资深专家和AIOps智能运维领域的产品研发专家，具有深厚的技术功底和丰富的行业落地实践经验。本书全面系统地对自动化和智能化运维方法进行了讲解，特别是展现了具体的操作实现方式，相信对读者具有很大启发和帮助，帮助运维人走向noOps之终极目标。
——田浩，IBM全球服务部高级服务经理，
中国移动自动化智能化运维能力成熟度模型设计顾问
IT运维从集中化走向自动化、智能化，是运维工作发展的必然，同时也要求运维工作者掌握相适应的运维技术和工具。作者在书中演示了利用Docker和Kubernetes技术搭建Ansible试验环境的全过程，并深入浅出地介绍了自动化运维和智能运维技术和工具，使读者可以通过实验操作更好地学习、掌握运维理论和技术，是相关专业学生和运维工作者不可多得的指导图书。
——曾波，网思科技副总裁兼数智化服务部总经理
数据中心近几年的基础架构发生了巨大的改变，从传统的IOE逐渐演进到灵活多变的混合云环境，这给IT运维工作带来了全新的挑战。本书的两位作者基于丰富的实战经验，深入浅出地讲解了如何高效迅速地实现运维的自动化和智能化部署，是运维技术人员不可多得的参考指南。
——熊志坚，网思科技高级副总裁（前IBM中国华南区信息系统服务部总经理）
第46次《中国互联网络发展状况统计报告》显示中国网民规模超过9.40亿，其中99.20%网民使用手机上网，同时相关的信息系统安全漏洞有11073个，较2019年同期（5853个）增长89.20%，其中高危漏洞有4280个，较2019年同期（1876个）增长128.10%。信息系统面临的运维挑战巨大。AIOps系统概念从最初的IOTA（IT Operations Analytics）升级为AIOps（Algorithmic IT Operations），再发展到如今热门的Artificial Intelligence for IT Operations，智能化运维是IT运营的未来。
本书立足于实际的IT运营工程实践，采用主流的开源运维工具，如Kubernetes、Docker、Ansible，搭建自动化运维的实验场景。然后对AIOps工具包进行分类详尽的操作说明和配图展示，深入浅出地展示AIOps工具包与AI平台结合应用的落地实践。相信用心的读者，可以从中深入了解智能化运维领域的知识、技术和工具，完善自身的知识技能。
——胡大裟，四川大学计算机科学博士，美国休斯顿大学访问学者
随着软件架构复杂性的不断提升，运维的理念和技术手段也在不停地演进与发展，从早期的“人肉”运维，到今天大行其道的自动化运维，再到日渐完善的AIOps，本书作者有幸经历了整个发展历程，由此积累了大量的一线实战经验。
如果你计划在Kubernetes环境下基于Ansible来学习自动化运维的实战知识，同时又想比较深入地理解AIOps的原理和实践，那么本书会是你的不二选择。
——茹炳晟，腾讯技术工程事业群基础架构部首席研发效能架构师，
T4级专家，腾讯研究院 特约研究员
本书从当下运维的痛点入手，通过结合流行的容器平台很好地展示了在容器云的环境下如何使用Ansible、AI技术及其他社区项目来实现AIOps，从而给广大IT运维团队提供了一个很好的迈向AIOps的思路，非常值得阅读。
——张亚光，红帽软件中国区解决方案部门架构师经理