事件報告術語

根據 AWS 服務中的可用資料、遙測、日誌和歷史模式，AI 系統視為客觀或高度可能的資訊或觀察片段。這些事實衍生自演算法分析和機器學習模型，雖然系統將其視為可靠，但它們應該進行人工驗證，尤其是在關鍵決策環境中。AI 衍生的事實可能包括事件、異常偵測或系統行為推論之間的關聯，人類運算子可能不會立即發現這些關聯。

CloudWatch 調查建議的特定可行步驟，以根據 AWS 最佳實務和受影響資源的特定內容，解決事件的根本原因並防止其再次發生。

事件相關資訊的結構化分組，例如影響指標、偵測詳細資訊和緩解步驟，用於組織產生報告的資料。

從 CloudWatch 指標和其他新增至調查 AWS 的服務資料衍生，對事件對系統效能、使用者體驗和業務操作的影響進行量化和定性評估。

根據 CloudWatch 調查調查期間收集的資料，建立營運事件完整文件的自動化程序，包括其時間表、影響、根本原因和解決步驟。

CloudWatch 調查調查中接受的觀察、假設和使用者新增備註的時間顯示，做為調查進度和調查結果的主要記錄。

透過事件調查程序自動產生洞見和改進機會，旨在增強整個組織的系統可靠性、營運效率和事件回應功能。

自動評估產生的事件報告，識別潛在的資料差距或需要額外資訊的區域，以改善報告完整性和品質。

一種系統化程序，用於識別操作問題的基本原因，利用 CloudWatch 調查 AI 驅動的假設和跨多個 AWS 服務的相互關聯。

CloudWatch 調查中的一項功能，會根據系統遙測分析和日誌，呈現 AI 產生的觀察和有關潛在原因或相關問題的假設。

事件期間重大事件的時間順序，會自動從 CloudWatch 日誌、指標和其他 AWS 服務資料擷取，以提供事件進展的清晰概觀。