主要观点：随着人工智能的新发展，事件管理正从当今 IT 领域的被动方法逐渐转变。借助 AIOps 可采用主动方法避免故障，预测性事件管理将成为 IT 服务的核心要素。
关键信息：

• 目前多数企业采用被动模式，事件发生后才采取行动。
• AIOps 利用人工智能和机器学习，通过一系列步骤实现预测性事件管理，如丰富数据收集、特征工程、模型训练等。
• 以 Python 为例，展示了预测性事件管理的实际实现步骤，包括数据准备、特征工程、模型训练和实时预测及行动。
• 重点关注召回率，以减少假阴性，降低系统风险，提高系统稳定性和用户信心。
  重要细节：
• AIOps 中数据收集要确保深度和广度，特征工程能将原始数据转化为有意义的变量，提高模型预测能力。
• 用 Python 代码模拟历史数据，创建移动平均特征，使用随机森林分类器训练模型并评估。
• 训练后的模型可部署到实时数据中进行预测，及时采取行动，如发送警报、扩容等。
• 采用 AIOps 有助于实现自愈系统，减少人为干预，提高系统可靠性和用户体验。