干货|车来了APM应用性能体验实践

简介: 车来了通过使用友盟+应用性能监控平台U-APM,实现了实时、可靠、全面地捕获应用崩溃、ANR、自定义异常、卡顿、启动分析等问题,全面提升用户体验。并轻松解决了传统应用稳定性监控服务普遍存在的难题

车来了是以大数据、人工智能技术为基础,通过连接人与车,提供智慧交通、城市公共出行等服务的实时公交App,目前在实时公交领域排位全国第一,已覆盖超过350个城市,用户量超过1.5亿,月活用户超过3000万。

对于亟需查询公交车实时位置的用户来说,App的稳定性和性能十分重要。用户原本就因为等车而焦急的心情,不希望因为手机卡顿、启动慢等问题而加剧。

车来了通过使用友盟+应用性能监控平台U-APM,实现了实时、可靠、全面地捕获应用崩溃、ANR、自定义异常、卡顿、启动分析等问题,全面提升用户体验。并轻松解决了传统应用稳定性监控服务普遍存在的难题,如:

1.性能监控不全面:随着用户对产品体验要求的提升,单一崩溃监控难以覆盖用户面临的各类体验问题,亟需对卡顿、启动等性能体验进行监控分析。

2.告警不智能:仅能够对崩溃进行告警,无法对ANR、卡顿等问题进行监控。单一的邮件报警通道对于日常忙碌的开发者来说,触达不够及时。

3.服务不稳定:一旦发生监测数据丢失、平台访问无响应等情况,较难获得及时的支持与反馈。

车来了所遇的问题及解决方案

为了及时响应用户各类问题,车来了客服部门每天会发送客户投诉列表至相关部门。其中,客户投诉中出现“卡”、“慢” 相关的关键词,会分发至研发团队进行排查,研发团队需及时给出回执,以确保面向客户有问必答。

针对用户反馈的卡顿问题,研发团队通常借助U-APM进行如下路径的排查:

1.用户细查找问题:通过用户账号搜索定位到投诉用户设备发生的卡顿问题。

2.卡顿详情找原因:在卡顿详情中查看SDK捕获到的卡顿详细日志以及设备信息,借助堆栈中高亮模块排查潜在问题原因。

3.双向聚合定问题:通过搜索卡顿模块名称,了解卡顿问题影响程度,为修复排期提供优先级判定参考。
1.png
2.png

​(图示为demo数据)

针对用户反馈的启动的慢问题,研发团队借助U-APM的慢启动分析功能,可以直接在慢启动分析中搜索用户账号,进入对应慢启动详情查看启动时序,了解启动环节各阶段耗时情况,协助问题排查。
3.png
4.png

在车来了研发团队的不懈努力下,始终为用户提供稳定良好的应用体验。同时,随着U-APM多维度捕获、多通道告警等领先能力的加持,让车来了研发团队在应用性能监控和问题定位方面如虎添翼:

1.错误捕获能力提升:U-APM提供准确全面的错误捕获能力,协助开发者定位排查更多错误,其中Native崩溃捕获提升 15% 。

2.监控效率提升:通过更丰富的规则设定,对具体错误进行了更及时的监控,并且通过微信通知,问题发现时间缩短了 33 %。

3.客服问题回执效率提升:用户细查+各类错误分析模型,快速定位问题,问题排查时间缩短了 42% ,提升客服问题回执效率。车来了与领先的第三方全域数据智能服务商友盟+,就应用性能监控达成合作,双方将共同打造行业领先的应用性能体验。

扫一扫加入友盟+技术社群
5.png

相关实践学习
通过轻量消息队列(原MNS)主题HTTP订阅+ARMS实现自定义数据多渠道告警
本场景将自定义告警信息同时分发至多个通知渠道的需求,例如短信、电子邮件及钉钉群组等。通过采用轻量消息队列(原 MNS)的主题模型的HTTP订阅方式,并结合应用实时监控服务提供的自定义集成能力,使得您能够以简便的配置方式实现上述多渠道同步通知的功能。
相关文章
|
安全 C语言
snprintf的用法
简要介绍了snprintf的常用方法,能大大的简化我们的代码
|
监控 调度 开发工具
IO神器blktrace使用介绍
## 前言 1. blktrace的作者正是block io的maintainer,开发此工具,可以更好的追踪IO的过程。 2. blktrace 结合btt可以统计一个IO是在调度队列停留的时间长,还是在硬件上消耗的时间长,利用这个工具可以协助分析和优化问题。 ## blktrace的原理 一个I/O请求的处理过程,可以梳理为这样一张简单的图: ![](http://image
22605 0
|
人工智能 运维 Linux
一文了解IntelliJ IDEA如何使用git上传代码到GitHub(附常见问题解决方案)
一文了解IntelliJ IDEA如何使用git上传代码到GitHub(附常见问题解决方案)
1039 0
|
SQL 关系型数据库 MySQL
阿里云RDS云数据库全解析:产品功能、收费标准与活动参考
与云服务器ECS一样,关系型数据库RDS也是很多用户上云必买的热门云产品之一,阿里云的云数据库RDS主要包含RDS MySQL、RDS SQL Server、RDS PostgreSQL、RDS MariaDB等几个关系型数据库,并且提供了容灾、备份、恢复、监控、迁移等方面的全套解决方案,帮助您解决数据库运维的烦恼。本文为大家介绍阿里云的云数据库 RDS主要产品及计费方式、收费标准以及活动等相关情况,以供参考。
|
Ubuntu 开发工具
Ubuntu更换阿里云软件源
Ubuntu更换阿里云软件源
148542 0
|
10月前
|
数据采集 存储 机器学习/深度学习
搜索引擎的整体架构和工作过程
搜索引擎由爬虫、索引和检索三大系统构成:爬虫负责抓取网页并存储;索引系统对网页去重、分析并构建倒排索引;检索系统通过查询分析、相关性排序等技术,返回精准结果。全过程融合文本分析、机器学习与大规模计算,确保高效准确搜索。
|
Java 数据处理 Spring
Spring Cloud OpenFeign 超时与重试
今天给大家分享的是 `feign` 的超时与重试配置。
1419 0
Spring Cloud OpenFeign 超时与重试
|
前端开发 数据格式
vue+element-plus上传图片功能以及回显问题还有数量限制
vue+element-plus上传图片功能以及回显问题还有数量限制
1244 0
|
负载均衡 算法 Java
腾讯面试:说说6大Nginx负载均衡?手写一下权重轮询策略?
尼恩,一位资深架构师,分享了关于负载均衡及其策略的深入解析,特别是基于权重的负载均衡策略。文章不仅介绍了Nginx的五大负载均衡策略,如轮询、加权轮询、IP哈希、最少连接数等,还提供了手写加权轮询算法的Java实现示例。通过这些内容,尼恩帮助读者系统化理解负载均衡技术,提升面试竞争力,实现技术上的“肌肉展示”。此外,他还提供了丰富的技术资料和面试指导,助力求职者在大厂面试中脱颖而出。
腾讯面试:说说6大Nginx负载均衡?手写一下权重轮询策略?
|
机器学习/深度学习 算法 数据挖掘
算法金 | 欧氏距离算法、余弦相似度、汉明、曼哈顿、切比雪夫、闵可夫斯基、雅卡尔指数、半正矢、Sørensen-Dice
**摘要:** 了解9种距离和相似度算法:欧氏距离、余弦相似度、汉明距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、雅卡尔指数、半正矢距离和Sørensen-Dice系数。这些算法在机器学习、文本分析、图像处理和生物学等领域各有应用。例如,欧氏距离用于KNN和K-Means,余弦相似度用于文本相似性,汉明距离在错误检测中,曼哈顿距离在数据挖掘,切比雪夫距离在棋盘游戏,闵可夫斯基距离通过调整参数适应不同场景,雅卡尔指数和Sørensen-Dice系数用于集合相似度。每种算法有其优缺点,如欧氏距离对异常值敏感,余弦相似度忽略数值大小,汉明距离仅适用于等长数据。
1074 2
算法金 | 欧氏距离算法、余弦相似度、汉明、曼哈顿、切比雪夫、闵可夫斯基、雅卡尔指数、半正矢、Sørensen-Dice