新IT运维模式下,全栈溯源助你解应用性能监控难题

本文涉及的产品
应用实时监控服务-用户体验监控,每月100OCU免费额度
应用实时监控服务-应用监控,每月50GB免费额度
简介:

2016年,Gartner对APM的定义将原来的五个维度定义修改成了三个维度,即:数字化体验监控(DEM),应用发现、追踪和诊断(ADTD),以及应用分析(AA)。此外,Garter还强调,最终用户的体验始终是APM最重要的任务,而APM的核心功能则是能够基于应用去做问题的发现与诊断。这一定义的改变,源于用户在新的IT形势下,对APM提出的新需求。

近年来,公有云和移动互联网的增长,推动了APM市场和技术的快速发展。然而,云计算、微服务和容器化让监控的数据呈海量增长,为APM的发展带来了挑战。微服务架构和容器化让应用更具灵活性、弹性和扩展性,但在提高应用效率的同时,也让应用的拓扑架构和通讯变得更复杂,更难监控。

与此同时,企业数字化转型规模在愈发扩大,各行业对性能监控提出了更高的要求,传统的监控方案只能定位解决不到30%的问题,剩下的70%该怎么办呢?如何才能快速定位最终用户关键业务的性能问题?怎样才能保障关键业务流程各方面的稳健运行?

为了能够帮助企业应对新IT形势下的应用性能监控方面的难题,帮助IT管理团队快速实现不同业务逻辑下的性能排障,国内应用性能管理服务提供商听云,于2016年推出了全栈溯源解决方案,它在国内首次实现了全端、跨应用监控。

2017年,面对现阶段复杂的全栈环境,定位问题变得更加复杂,为了能够对应用性能问题更加深入的追踪与诊断,听云全栈溯源进行了全面升级。此次升级主要是基于用户体验的性能监控升级,实现了工具产品平台化,为用户提供全面的听云全栈溯源解决方案。

据听云产品副总裁Moca介绍,所谓全栈溯源,就是从用户体验出发,基于事务请求进行全栈问题的定位追踪。目前,其涉及的主要功能有:APP端事务请求全栈溯源、浏览器页面事务请求全栈溯源、拨测事务请求全栈溯源、单用户全栈溯源。

“全栈溯源是全球APM行业的趋势。在国外,Dynatrace、AppDynamics这些老牌APM厂商已经将全栈溯源作为了产品的标配。但是,从功能上来说,听云的技术在国内是非常领先的。因为我们的服务体系更加符合国内企业的要求,国外的APM不支持国内组件,比如阿里云的基于微服务架构的支持,类似达梦数据库的国产化技术。” Moca说。

新IT运维模式下,全栈溯源助你解应用性能监控难题

听云全栈溯源解决方案可以实现清晰责任界定为各部门提供统一的信息平台,共同讨论目前应用发生的问题,以及解决方案。基于客户关键业务的自动质量控制平台,将把以周为单位的解决问题时间缩短为几分钟。同时,当发生严重问题时,系统会进行自动响应,及时告警。

新IT运维模式下,全栈溯源助你解应用性能监控难题

新IT运维模式下,全栈溯源助你解应用性能监控难题

既然全栈溯源解决方案是从用户体验出发,听云是怎样来衡量用户体验的呢? Moca解释说,一方面,用户可以结合自身来定义用户体验问题,比如反应快慢时间。另一方面,听云全栈溯源解决方案设置了一个默认值。此外,在用户感知层面,针对首屏时间、点击控件时间等,系统会通过请求的关联,来发现是否是因为请求慢导致用户体验度低的问题。

那么,针对微服务架构和容器化等新技术,听云全栈溯源解决方案是否能够很好的解决应用性能监控的问题呢?

对此,Moca表示,简单来说,微服务就是把整个系统划分为多个细小的服务。以听云为例,听云服务器端整个监控系统,报表、数据库查询系统等,都可以拆分成一个个微服务。这里的挑战在于,以前我们很清楚是A、B、C应用组成了一个系统,而现在我们不知道A、B、C应用中的哪些微服务组成了一个系统。因为听云也在用微服务和容器,它们在带来灵活、可扩展性强等诸多好处的同时,也给业务管理带来很多的瓶颈,定位一个问题需要定位到某一个具体的微服务。如果是容器,则需要考虑映射到哪个主机等,这些都是听云正在努力的方向。

目前,听云全栈溯源解决方案已经支持容器。因为容器的核心就是可以动态扩展,动态扩展时会变成很多实例,此时就可以动态的根据这些实例去扩展。所以如果忽略容器这一层,把能具体定位到错误与容器和主机映射到一起,就可知道系统级别、基础架构下的哪里出现了哪些问题。然后定位到应用级别,再把应用拆开,就能找到这个应用具体映射到哪个容器和服务器,最终实现对应用性能的监控。

采访最后,Moca表示:“全栈溯源核心在于从用户体验出发,可以支持多种复杂的环境。客户无论使用怎样的生产环境,我们都能够给予支持。这是我们走向市场,成熟商业化的重要标准之一。今年,听云的重点是从用户体验出发,不断完善全栈溯源解决方案的功能,实现多种视角,使产品更加易用。”


本文作者:杜美洁   

来源:51CTO

相关实践学习
通过云拨测对指定服务器进行Ping/DNS监测
本实验将通过云拨测对指定服务器进行Ping/DNS监测,评估网站服务质量和用户体验。
目录
相关文章
|
24天前
|
机器学习/深度学习 数据采集 运维
机器学习在运维中的实时分析应用:新时代的智能运维
机器学习在运维中的实时分析应用:新时代的智能运维
75 12
|
1月前
|
运维 监控 持续交付
自动化运维在现代数据中心的应用与实践####
本文探讨了自动化运维技术在现代数据中心中的应用现状与实践案例,分析了其如何提升运维效率、降低成本并增强系统稳定性。通过具体实例,展示了自动化工具如Ansible、Puppet及Docker在环境配置、软件部署、故障恢复等方面的实际应用效果,为读者提供了一套可参考的实施框架。 ####
|
1月前
|
人工智能 运维 自然语言处理
智能化运维:AI在IT运维领域的深度应用与实践####
本文探讨了人工智能(AI)技术在IT运维领域的深度融合与实践应用,通过分析AI驱动的自动化监控、故障预测与诊断、容量规划及智能决策支持等关键方面,揭示了AI如何赋能IT运维,提升效率、降低成本并增强系统稳定性。文章旨在为读者提供一个关于AI在现代IT运维中应用的全面视角,展示其实际价值与未来发展趋势。 ####
198 4
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维在现代IT系统中的应用与挑战####
本文探讨了智能化运维(AIOps)在现代IT系统中的关键作用及其面临的主要挑战。随着云计算、大数据和人工智能技术的飞速发展,传统的IT运维模式正逐渐向更加智能、自动化的方向转变。智能化运维通过集成机器学习算法、数据分析工具和自动化流程,显著提升了系统稳定性、故障响应速度和资源利用效率。然而,这一转型过程中也伴随着数据隐私、技术复杂性和人才短缺等问题。本文旨在为读者提供一个关于智能化运维的全面视角,分析其优势与挑战,并探讨未来的发展趋势。 ####
51 6
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
1月前
|
机器学习/深度学习 人工智能 运维
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术在现代数据中心管理中的实际应用,分析了其带来的效率提升、成本节约及潜在风险。通过具体案例,阐述了智能监控、自动化故障排查、容量规划等关键功能如何助力企业实现高效稳定的IT环境。同时,文章也指出了实施过程中面临的数据隐私、技术整合及人才短缺等挑战,并提出了相应的解决策略。 --- ####
52 1
|
1月前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在企业IT管理中的应用与实践####
本文深入探讨了智能化运维(AIOps)的核心技术原理,通过对比传统运维模式,揭示了AIOps如何利用大数据、机器学习等先进技术提升故障预测准确性、优化资源分配及自动化处理流程。同时,文章详细阐述了智能化运维平台的实施步骤,包括数据收集与分析、模型训练与部署、以及持续监控与优化,旨在为企业IT部门提供一套切实可行的智能化转型路径。最后,通过几个典型应用案例,如某大型电商平台的智能告警系统和金融企业的自动化故障排查流程,直观展示了智能化运维在实际业务场景中的显著成效,强调了其在提升运维效率、降低运营成本方面的关键作用。 ####
51 4
|
1月前
|
数据采集 机器学习/深度学习 人工智能
智能运维在IT管理中的实践与探索
【10月更文挑战第21天】 本文深入探讨了智能运维(AIOps)技术在现代IT管理中的应用,通过分析其核心组件、实施策略及面临的挑战,揭示了智能运维如何助力企业实现自动化监控、故障预测与快速响应,从而提升整体运维效率与系统稳定性。文章还结合具体案例,展示了智能运维在实际环境中的显著成效。
64 4
|
1月前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术如何革新现代数据中心的运维管理,通过集成人工智能、大数据分析及自动化工具,显著提升系统稳定性、效率和响应速度。文章首先概述了AIOps的核心概念与技术框架,随后详细分析了其在故障预测、异常检测、容量规划及事件响应等方面的应用实例,最后探讨了实施过程中面临的数据质量、技能匹配及安全性等挑战,并提出了相应的应对策略。本研究旨在为数据中心管理者提供关于采纳和优化AIOps实践的洞见,以期推动行业向更高效、智能的运维模式转型。 ####
|
2月前
|
机器学习/深度学习 数据采集 运维
智能化运维在现代IT系统中的应用与挑战####
本文深入探讨了智能化运维(AIOps)在现代IT系统中的实际应用及其面临的主要挑战。通过分析智能化运维的核心概念、关键技术组件以及实际案例,展示了其在提升系统稳定性、优化资源分配和提高故障响应效率方面的巨大潜力。同时,文章也指出了在实施智能化运维过程中可能遇到的技术复杂性、数据隐私和安全风险等问题,并提出了相应的解决策略和未来发展方向。 ####
35 2

热门文章

最新文章

下一篇
开通oss服务