Este protocolo responde como diferentes intervalos de coleta do agente Zabbix afetam a latência de resposta do servidor monitorado. O participante irá medir a latência de resposta HTTP sob diferentes configurações de intervalo de coleta.
Você terá um ambiente funcional de monitoramento de um roteador Linux via SNMP usando Prometheus e Grafana, rodando em VMs ou máquinas físicas locais. O laboratório leva cerca de 2 horas.
Este protocolo investiga como diferentes frequências de scraping do Prometheus afetam a latência de coleta de métricas SNMP em um roteador típico de rede ISP. O objetivo é medir o tempo de resposta do endpoint SNMP-exporter sob diferentes intervalos de scraping.
Você terá um ambiente Zabbix funcional monitorando um servidor Linux e um dispositivo SNMP simulado, com alertas automáticos. O laboratório leva cerca de 2 horas.
Este protocolo avalia como diferentes intervalos de coleta do agente Zabbix afetam a latência de resposta de um servidor Linux. O objetivo é medir a latência média de resposta do servidor sob diferentes configurações de frequência de coleta.
Você terá um ambiente de monitoramento Zabbix completo, monitorando um servidor Linux, um ponto de venda (PDV) simulado e um roteador Wi-Fi via SNMP. O laboratório leva cerca de 2 horas.
Este protocolo avalia como o tempo de resposta do Zabbix Server varia conforme aumenta a quantidade de hosts monitorados simultaneamente. O objetivo é medir a escalabilidade do Zabbix em ambiente típico de restaurante.
Você terá um ambiente funcional que coleta métricas de energia via Modbus TCP, armazena no Prometheus e visualiza no Grafana. Todo o fluxo será realizado em máquinas virtuais Linux, em cerca de 2 horas.
Este protocolo responde como diferentes intervalos de scraping afetam o uso de CPU do Prometheus ao coletar métricas de sensores Modbus. O participante irá medir o consumo de CPU do Prometheus em diferentes frequências de coleta.
Este protocolo responde como o tempo de resposta médio de um serviço HTTP varia conforme o número de pods de um Deployment no Kubernetes. A pessoa vai medir a latência média de requisições HTTP usando k6.
Você implementará um cluster Kubernetes local, implantará um broker MQTT de código aberto e um simulador de sensores IoT. Em cerca de 2 horas, verá dados fluindo de sensores simulados para o broker, tudo orquestrado pelo Kubernetes.
Este protocolo mede quanto tempo um deployment Kubernetes leva para restaurar a disponibilidade de um pod IoT após a simulação de falha de nó. O objetivo é avaliar a resiliência do cluster em cenários urbanos críticos.
Você vai implementar um fluxo de perguntas e respostas sobre documentos PDF usando LangChain, modelos de linguagem abertos e Milvus como banco vetorial. Em cerca de 2 horas, terá um chatbot funcional consultando PDFs locais.
